Data Scientist (Deep Learning / Neural Networks)
TQLO
Rola koncentruje się na projektowaniu i wdrażaniu głębokich sieci neuronowych dla systemu reklamowego dużej platformy e-commerce. Głównym zadaniem jest zastąpienie istniejących modeli opartych na gradient boosting nowoczesnymi architekturami Deep Learning do predykcji CTR, CVR i RoAS. Praca obejmuje cały cykl życia modeli – od eksperymentów i trenowania po optymalizację pod kątem niskich opóźnień i wdrożenia produkcyjne. Mimo tytułu Data Scientist, rola ma charakter inżynierski i produkcyjny, a nie analityczno-badawczy.
Brakuje: brak informacji o wielkości zespołu, brak opisu procesu rekrutacyjnego.
Tytuł sugeruje Data Scientist, ale rzeczywista rola to inżynier głębokiego uczenia dla systemów reklamowych – głównie projektowanie i wdrażanie sieci neuronowych, a nie klasyczna analiza danych czy eksploracja.
Rola koncentruje się na projektowaniu i wdrażaniu głębokich sieci neuronowych dla systemu reklamowego dużej platformy e-commerce. Głównym zadaniem jest zastąpienie istniejących modeli opartych na gradient boosting nowoczesnymi architekturami Deep Learning do predykcji CTR, CVR i RoAS. Praca obejmuje cały cykl życia modeli – od eksperymentów i trenowania po optymalizację pod kątem niskich opóźnień i wdrożenia produkcyjne. Mimo tytułu Data Scientist, rola ma charakter inżynierski i produkcyjny, a nie analityczno-badawczy.
- ✓Długoterminowy projekt (perspektywa lat)
- ✓100% zdalna z okazjonalnymi spotkaniami (1-2 razy na kwartał)
- ✓Greenfield – zastępowanie legacy architektur nowymi DL
- ✓Realny wpływ na architekturę i kierunek rozwoju modeli
- !Tryb outsourcingowy – agencja (TQLO) deleguje do klienta
- !Brak informacji o wielkości zespołu klienta
- !Brak opisu procesu rekrutacyjnego
- •Projektowanie i trenowanie głębokich sieci neuronowych dla metryk reklamowych (CTR, CVR, RoAS)
- •Tworzenie nowych architektur Deep Learning zastępujących rozwiązania oparte na drzewach decyzyjnych
- •Budowa modeli z wykorzystaniem danych o użytkownikach, produktach, wydawcach i placementach
- •Rozwój modeli do dynamicznej optymalizacji treści, rekomendacji i retargetingu
- •Optymalizacja modeli pod kątem wydajności w środowiskach o wysokiej przepustowości i niskich opóźnieniach
- •Współpraca z zespołami Data Science i Engineering przy wdrażaniu modeli do produkcji
- •Analiza dużych zbiorów danych w SQL oraz przygotowywanie cech do modeli
- •Eksperymentowanie z najnowszymi technikami Deep Learning i frameworkami (PyTorch, TensorFlow, JAX)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z co najmniej 2-3 latami doświadczenia w Deep Learning, potrafiąca samodzielnie projektować i trenować modele w PyTorch/TensorFlow, znająca SQL i mająca podstawową znajomość chmury.
Nie dla juniorów bez udokumentowanego doświadczenia w Deep Learning ani osób, które nie pracowały produkcyjnie z sieciami neuronowymi. Rola wymaga praktycznej znajomości głębokiego uczenia i umiejętności wdrażania modeli.
- ?Ile osób liczy zespół Data Science u klienta?
- ?Jak wygląda proces wdrożenia modeli do produkcji – czy jest dedykowane MLOps?
- ?Czy są dyżury on-call?
- ?Jaka jest częstotliwość spotkań projektowych na żywo?
- ?Czy klient udostępnia GPU do trenowania modeli?
- ?Jakie są plany dotyczące użycia JAX w projekcie?
- −Brak informacji o wielkości zespołu
- −Brak opisu procesu rekrutacyjnego
- −Brak informacji o budżecie szkoleniowym
- −Nie wiadomo czy jest wsparcie MLOps
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię PyTorch. Pełne statystyki zarobków →