Ведущий специалист по данным / Инженер по машинному обучению

Компания Andersen приглашает на работу ведущего специалиста по данным / инженера по машинному обучению для проекта по разработке платформы для рекламы на основе искусственного интеллекта для прогнозирования пожизненной ценности клиентов и оптимизации эффективности кампаний. Заказчик - технологическая компания, которая разрабатывает программные решения, помогающие предприятиям улучшать операционную эффективность и принимать решения на основе данных. Компания использует современные технологии, включая искусственный интеллект и анализ данных, для оптимизации бизнес-процессов, повышения производительности и поддержки устойчивого роста бизнеса. Проект направлен на разработку и совершенствование платформы для оптимизации рекламы на основе искусственного интеллекта, которая прогнозирует пожизненную ценность клиентов с помощью моделей машинного обучения. Она интегрирует сигналы прогнозной ценности с основными рекламными платформами для улучшения торгов на основе ценности, оптимизации маркетинговых бюджетов и максимизации эффективности кампаний за счет точной калибровки данных и автоматической доставки сигналов.

• Создание и поддержка прогностических моделей Lifetime Value (pLTV) с использованием XGBoost, CatBoost и BG/NBD в рамках многоуровневой архитектуры оценки, маршрутизация пользователей в соответствующие уровни модели на основе доступности и наблюдаемости данных, а не применение подхода регрессии «один размер для всех».
• Разработка, реализация и поддержка слоев калибровки модели для преобразования сырых прогнозов в значения, готовые для использования на платформе, включая скаляры «срез», линейную, логарифмическую и ранговую нормализацию, а также асимметричные функции потерь, которые penalзируют переоценку низкоценных клиентов сильнее, чем недооценку высокоценных клиентов.
• Управление процессами инженерии признаков в BigQuery, разработка и поддержка таблиц признаков уровня Gold из очищенных данных уровня Silver, включая метрики RFM, поведенческие вложения, аффинность категорий и скорость покупок.
• Обеспечение качества и надежности признаков путем оценки полноты данных, мониторинга частот пропущенных значений и исключения признаков с высокими частотами пропущенных значений среди новых пользователей, а не полагаясь на заполнение.
• Мониторинг дрейфа модели и сдвигов распределения, реализация регистрации остатков, сравнение когорт до и после развертывания сигнала, а также выявление причинно-следственного загрязнения в наборах данных повторной подготовки, возникающего из-за влияния модели на привлечение пользователей.
• Поддержка и улучшение алгоритмов разрешения идентичности пакетного Union-Find в BigQuery, связывание идентификаторов поведения GA4 с транзакционными идентификаторами Shopify и оптимизация коэффициентов совпадения идентификаторов для улучшения качества сигнала.
• Разработка и поддержка производственных приложений на Python, работающих на Google Cloud Run Jobs, оркестрация рабочих процессов через Apache Airflow и обеспечение надежной доставки сигналов, сгенерированных ML, на рекламные платформы.
• Реализация и поддержка автоматизированного тестирования, конвейеров CI/CD, идемпотентной обработки и механизмов безопасности «сухого запуска» для обеспечения стабильности производства, предотвращения дорогостоящих ошибок и защиты эффективности рекламы клиентов.

• Практический опыт работы с машинным обучением с использованием Python, включая разработку, развертывание и поддержку моделей машинного обучения производственного уровня, от 5 лет.
• Подтвержденный опыт работы с алгоритмами градиентного бустинга (XGBoost, CatBoost или LightGBM), включая настройку гиперпараметров, анализ важности признаков и продвинутую оценку моделей.
• Сильная компетентность в SQL и BigQuery, включая сложные запросы инженерной подготовки данных, запланированные преобразования данных и проверку данных.
• Практический опыт развертывания и поддержки нагрузок машинного обучения на платформе Google Cloud Platform (GCP), включая Cloud Run, Airflow/Composer, Vertex AI и Pub/Sub.
• Твердое понимание калибровки моделей, бизнес-ориентированных функций потерь и влияния ошибок прогнозирования на системы оптимизации downstream.
• Практический опыт интеграции результатов моделей машинного обучения с внешними системами через API, такие как платформы рекламы, системы рекомендаций, системы ценообразования или системы торгов.

• Опыт работы в среде электронной коммерции или прямого взаимодействия с потребителем (DTC), особенно прогнозирование пожизненной ценности клиента (LTV), прогнозирование покупок, моделирование оттока или сегментация клиентов.
• Знакомство с вероятностными моделями клиентов (BG/NBD, Gamma-Gamma или аналогичными фреймворками) или прочная основа в байесовской статистике.
• Опыт интеграции с платформами рекламы, включая Google Ads API (ConversionUploadService, Enhanced Conversions), Meta Conversions API (CAPI) или аналогичные системы отслеживания событий на стороне сервера.
• Знания методов разрешения идентичности и сопоставления сущностей, включая графовое связывание идентичности, вероятностное сопоставление или межdevice разрешение идентичности.
• Уровень английского языка – от Upper-Intermediate и выше.

• Опыт работы с Terraform, проектированием конвейеров CI/CD и контейнеризацией Docker для нагрузок машинного обучения.
• Знания методов причинно-следственного вывода, A/B-тестирования в рекламных средах или многорукой оптимизации bandit.
• Знакомство с инструментами разработки, поддерживаемыми ИИ, и рабочими процессами агентов кодирования, такими как Claude Code, Cursor или аналогичные решения.

Компенсация: 3050–5250 EUR в месяц.