Data Scientist в команду монетизации

О команде

Наша команда отвечает за DS-направление монетизации Авито и разрабатывает технологии (алгоритмы, механизмы, ML-модели), которые обеспечивают эффективность инструментов монетизации для сервиса и его пользователей. Мы верим, что в вопросах монетизации следует в первую очередь думать о пользе, которую можно принести пользователям, а рост выручки будет следствием продуктового и технологического развития.

Мы активно развиваемся и ищем новые способы для улучшения наших ML-моделей: экспериментируем с нейросетевыми факторами, функциями потерь, DL-моделями на финальных стадиях ранжирования.

Чтобы сделать все продукты эффективными и соблюсти баланс между ними, нужно много погружаться в задачи ранжирования. Команда Short-Term Efficiency отвечает за качество моделей предсказания вероятности кликов, контактов и сделок. Иными словами, мы отвечаем качество фактора монетизации на всех поверхностях в Авито: в поиске, в персональных рекомендациях, на карте, в виджетах и т. д.

Мы ищем мотивированных коллег, которые смогут усилить нашу команду в роли Middle DS-инженера и взять на себя задачу улучшения моделей в персональных рекомендациях и i2i-рекомендациях.

Примеры будущих задач:

—      улучшать модель предсказания кликов в ленте персональных рекомендаций;

—      создавать офлайн- и онлайн-метрики качества для оценки эффекта фактора монетизации;

—      проводить эксперименты с нейросетевыми факторами в моделях предсказания CPx в ленте персональных рекомендаций/i2i/виджетов;

—      развивать направление ML-моделей для предсказания конверсий в персональных рекомендациях/i2i/виджетах;

—      развивать и адаптировать модели под разные источники;

—      оценивать потенциал, проектировать и разрабатывать новые продукты монетизации.

Мы ждём, что вы:

—      имеете не менее трёх лет опыта работы, связанного с ML и алгоритмами;

—      умеете принимать решения на основании данных и наглядно аргументировать свои решения, объяснять сложные вещи простыми словами и договариваться с коллегами;

—      готовы читать научные статьи и находить в них полезные для практики идеи;

—      знаете, умеете и любите применять математику, ML и прикладную статистику для создания алгоритмических систем, видите связь между математическими формулами и их влиянием на бизнес;

—      имеете опыт работы с ранжированием/рекомендациями или в монетизации/ценообразовании;

—      не боитесь писать продакшен-код;

—      занимались научной работой и любите исследования;

—      имеете достижения в соревнованиях по программированию, математике, физике или ML.