უფროსი მონაცემთა მეცნიერი / მანქანური სწავლების ინჟინერი

ანდერსენი აცხადებს უფროსი მონაცემთა მეცნიერის / მანქანური სწავლების ინჟინერის პოზიციაზე პროექტისთვის, რომელიც ავითარებს ხელოვნური ინტელექტის მქონე სარეკლამო პლატფორმას მომხმარებლის სიცოცხლის ღირებულების პროგნოზირებისთვის და კამპანიის ეფექტურობის ოპტიმიზაციისთვის. მომხმარებელი არის ტექნოლოგიური კომპანია, რომელიც ავითარებს პროგრამული გადაწყვეტილებებს ბიზნესის ოპერატიული ეფექტურობის გაუმჯობესებისა და მონაცემების საფუძველზე გადაწყვეტილების მიღების მხარდაჭერისთვის. კომპანია იყენებს თანამედროვე ტექნოლოგიებს, მათ შორის ხელოვნურ ინტელექტს და მონაცემთა ანალიტიკას, ბიზნეს პროცესების ოპტიმიზაციის, ეფექტურობის გაუმჯობესებისა და მდგრადი ბიზნეს ზრდის მხარდაჭერისთვის. პროექტი ფოკუსირებულია ხელოვნური ინტელექტის მქონე სარეკლამო ოპტიმიზაციის პლატფორმის განვითარებასა და გაუმჯობესებაზე, რომელიც პროგნოზირებს მომხმარებლის სიცოცხლის ღირებულებას მანქანური სწავლების მოდელების გამოყენებით. იგი აერთიანებს პროგნოზირებულ ღირებულების სიგნალებს ძირითადი სარეკლამო პლატფორმებით, რათა გააუმჯობესოს ღირებულების საფუძველზე ტენდერირება, ოპტიმიზაცია გაუწიოს მარკეტინგულ ბიუჯეტებს და მაქსიმალურად გაზარდოს კამპანიის ეფექტურობა ზუსტი მონაცემების კალიბრაციისა და ავტომატური სიგნალის მიწოდების გზით.

• პროგნოზირებადი Lifetime Value (pLTV) მოდელების აგება და შენარჩუნება XGBoost, CatBoost და BG/NBD გამოყენებით ტიერირებული სკორინგის არქიტექტურის ფარგლებში, მომხმარებლების შესაბამის მოდელის ტიერებში მარშრუტიზაცია მონაცემთა ხელმისაწვდომობისა და დაკვირვების საფუძველზე, ვიდრე ერთი ზომის მორგებული რეგრესიის მიდგომის გამოყენება.
• მოდელის კალიბრაციის ფენების დიზაინი, განხორციელება და შენარჩუნება, რათა გარდაქმნას ნედლი პროგნოზები პლატფორმისთვის მზადყოფნის მნიშვნელობებად, მათ შორის თმის შეჭრის სკალარები, ხაზოვანი, ლოგარითმული და რანგის ნორმალიზაცია, და ასიმეტრიული დანაკარგის ფუნქციები, რომლებიც უფრო მეტად სჯიან დაბალი ღირებულების მომხმარებლების გადაჭარბებულ შეფასებას, ვიდრე მაღალი ღირებულების მომხმარებლების არასაკმარისი შეფასება.
• ფუნქციების ინჟინერიის პროცესების მფლობელობა BigQuery-ში, ოქროს ფენის ფუნქციების ცხრილების განვითარება და შენარჩუნება გაწმენდილი ვერცხლის ფენის მონაცემებიდან, მათ შორის RFM მეტრიკა, ქცევითი ჩანართები, კატეგორიის აფინიტეტი და შეძენის სიჩქარე.
• ფუნქციების ხარისხისა და საიმედოობის უზრუნველყოფა მონაცემთა სისრულის შეფასებით, დაკარგული მნიშვნელობების მაჩვენებლების მონიტორინგით და ახალი მომხმარებლების მაღალი დაკარგვის მაჩვენებლების მქონე ფუნქციების გამორიცხვით, ვიდრე იმპუტაციის გამოყენება.
• მოდელის დრიფტისა და განაწილების ცვლილებების მონიტორინგი, ნარჩენი ჟურნალის განხორციელება, სიგნალის განლაგებამდე და მის შემდეგ კოჰორტების შედარება და მომხმარებელთა შეძენის მონაცემებში მიზეზობრივი დაბინძურების იდენტიფიცირება, რაც მოდელის გავლენით ხდება.
• BigQuery-ში ბATCH Union-Find იდენტობის გადაჭრის ალგორითმების შენარჩუნება და გაუმჯობესება, GA4 ქცევითი იდენტიფიკატორების დაკავშირება Shopify ტრანზაქციული იდენტიფიკატორებით და იდენტობის შესატყვისი მაჩვენებლების ოპტიმიზაცია სიგნალის ხარისხის გასაუმჯობესებლად.
• წარმოების დონის Python აპლიკაციების განვითარება და შენარჩუნება, რომლებიც მუშაობენ Google Cloud Run Jobs-ზე, სამუშაო ნაკადების ორქესტრირება Apache Airflow-ის საშუალებით და ML-ის მიერ გენერირებული სიგნალების საიმედო მიწოდების უზრუნველყოფა სარეკლამო პლატფორმებზე.
• ავტომატური ტესტირების, CI/CD მილსადენების, იდემპოტენტური დამუშავების და მშრალი გაშვების უსაფრთხოების მექანიზმების დანერგვა და შენარჩუნება წარმოების სტაბილურობის უზრუნველსაყოფად, ძვირადღირებული შეცდომების თავიდან ასაცილებლად და კლიენტების სარეკლამო ეფექტურობის დასაცავად.

• 5+ წლიანი პრაქტიკული გამოცდილება მანქანური სწავლების ინჟინერიის მიმართულებით Python-ის გამოყენებით, მათ შორის წარმოების დონის მანქანური სწავლების მოდელების შემუშავება, დანერგვა და შენარჩუნება.
• დამტკიცებული გამოცდილება გრადიენტური გამაძლიერებელი ალგორითმებით (XGBoost, CatBoost ან LightGBM), მათ შორის ჰიპერპარამეტრების რეგულირება, ფუნქციების მნიშვნელობის ანალიზი და მოდელის მოწინავე შეფასება.
• ძლიერი ცოდნა SQL და BigQuery-ში, მათ შორის კომპლექსური ფუნქციების ინჟინერიის შეკითხვები, დაგეგმილი მონაცემთა ტრანსფორმაციები და მონაცემთა ვალიდაცია.
• პრაქტიკული გამოცდილება მანქანური სწავლების დატვირთვების დანერგვასა და შენარჩუნებაში Google Cloud Platform (GCP)-ზე, მათ შორის Cloud Run, Airflow/Composer, Vertex AI და Pub/Sub.
• მყარი გაგება მოდელის კალიბრაციის, ბიზნესზე ორიენტირებული დანაკარგების ფუნქციებისა და პროგნოზების შეცდომების გავლენის შესახებ შემდგომ ოპტიმიზაციის სისტემებზე.
• პრაქტიკული გამოცდილება მანქანური სწავლების მოდელების შედეგების ინტეგრირებაში გარე სისტემებთან API-ების საშუალებით, როგორიცაა სარეკლამო პლატფორმები, რეკომენდაციის ძრავები, ფასების სისტემები ან ტენდერების სისტემები.

• გამოცდილება ელექტრონული კომერციის ან პირდაპირი მომხმარებლის (DTC) გარემოში, განსაკუთრებით მომხმარებლის სიცოცხლის ღირებულების (LTV) პროგნოზირება, შეძენის პროგნოზირება, გაყიდვების მოდელირება ან მომხმარებლის სეგმენტაცია.
• გაცნობა ალბათური მომხმარებლის მოდელებით (BG/NBD, Gamma-Gamma ან მსგავსი ჩარჩოები) ან ბაიესური სტატისტიკის ძლიერი საფუძვლებით.
• გამოცდილება სარეკლამო პლატფორმების ინტეგრაციაში, მათ შორის Google Ads API (ConversionUploadService, Enhanced Conversions), Meta Conversions API (CAPI) ან მსგავსი სერვერ-მხრივი მოვლენების თვალთვალის სისტემები.
• ცოდნა იდენტობის გადაჭრისა და ერთეულების შესატყვისი ტექნიკების შესახებ, მათ შორის გრაფიკზე დაფუძნებული იდენტობის შეკერვა, ალბათური შესატყვისი ან მოწყობილობათაშორისი იდენტობის გადაჭრა.
• ინგლისური ენის დონე - ზედა-სредო და ზემოთ.

• გამოცდილება Terraform-თან, CI/CD მილსადენის დიზაინთან და Docker კონტეინერიზაციასთან მანქანური სწავლების დატვირთვებისთვის.
• ცოდნა მიზეზობრივი დასკვნის მეთოდების, A/B ტესტირების სარეკლამო გარემოში ან მრავალმხრივი ბანდიტური ოპტიმიზაციის შესახებ.
• გაცნობა ხელოვნური ინტელექტის დახმარებით განვითარების ინსტრუმენტებით და აგენტური კოდირების სამუშაო ნაკადებით, როგორიცაა Claude Code, Cursor ან მსგავსი გადაწყვეტილებები.

ანაზღაურება: 3050–5250 ევრო თვეში.