Científico de Datos Principal - Deep Learning

• Experiencia significativa en Data Science, Machine Learning, Deep Learning o un rol cuantitativo/técnico estrechamente relacionado, con una trayectoria liderando iniciativas complejas de aprendizaje automático.
• Sólida formación académica en Informática, Matemáticas Aplicadas, Física, Estadística, Ingeniería, Econometría u otro campo cuantitativo.
• Comprensión profunda de los fundamentos del aprendizaje automático y del aprendizaje profundo, incluyendo arquitecturas de redes neuronales, aprendizaje de representaciones, optimización y evaluación de modelos.
• Amplia experiencia práctica desarrollando y desplegando modelos de Deep Learning en entornos de producción.
• Sólida experiencia con Python y el ecosistema científico/de aprendizaje automático de Python.
• Experiencia trabajando con conjuntos de datos a gran escala y características categóricas o basadas en ID de alta cardinalidad.
• Trayectoria demostrada llevando modelos de aprendizaje automático desde la experimentación e investigación hasta un despliegue en producción fiable.
• Experiencia diseñando o realizando contribuciones técnicas significativas a arquitecturas de ML, pipelines de entrenamiento, servicio de modelos u otra infraestructura de aprendizaje automático.
• Experiencia trabajando con sistemas de aprendizaje automático en tiempo real o sensibles a la latencia, idealmente en publicidad, marketplaces, recomendaciones u otros entornos de alto rendimiento.
• Fuertes habilidades analíticas y de resolución de problemas, con la capacidad de investigar problemas ambiguos de forma independiente y definir soluciones técnicas eficaces.
• Fuertes habilidades de comunicación técnica, con la capacidad de influir en las decisiones de modelado y arquitectura en equipos multidisciplinares.
• Experiencia proporcionando liderazgo técnico, mentoría o dirección a otros Data Scientists o ingenieros.
• Comodidad comunicándose profesionalmente en inglés a diario (escrito y verbal).

PODRÍAS SER UN GRAN CANDIDATO SI...

• Has diseñado y desplegado sistemas de aprendizaje profundo basados en embeddings, aprendizaje de representaciones u otros enfoques para aprender de entidades de alta cardinalidad.
• Tienes experiencia trabajando en DSPs, publicidad programática, puja en tiempo real (RTB), ad exchanges, redes publicitarias u otros sistemas de publicidad en tiempo real.
• Tienes experiencia aplicando el aprendizaje automático a pujas, optimización de pujas, predicción de CTR/CVR, ranking, optimización de campañas u otros problemas de toma de decisiones en publicidad.
• Tienes experiencia con sistemas de recomendación, ad-tech, fijación de precios, ranking, personalización, detección de fraude u otros problemas de optimización y predicción a gran escala.
• Has trabajado con sistemas que procesan volúmenes muy grandes de impresiones publicitarias, eventos de subasta o señales de usuarios y editores en tiempo real.
• Tienes experiencia modelando entidades de alta cardinalidad e interacciones complejas entre usuarios, dispositivos, aplicaciones, creatividades, editores, anunciantes, campañas o entidades similares.
• Tienes experiencia diseñando o evolucionando plataformas de ML, pipelines de entrenamiento, feature stores, servicio de modelos o sistemas de monitorización.
• Has trabajado con modelos que operan a una escala muy alta y bajo estrictas restricciones de latencia.
• Tienes experiencia equilibrando la complejidad del modelo y el rendimiento predictivo con el coste computacional, la escalabilidad y las restricciones de producción.
• Tienes una sólida trayectoria convirtiendo ideas de investigación en sistemas de producción y midiendo su impacto en el mundo real.
• Disfrutas definiendo enfoques técnicos para problemas donde no hay una respuesta obvia y donde las decisiones de modelado pueden tener un impacto significativo en el producto y el negocio.
• Te sientes cómodo proporcionando liderazgo técnico mientras mantienes un rol práctico en los problemas de modelado e ingeniería más desafiantes.
• Eres capaz de influir en las decisiones técnicas mediante un razonamiento sólido, la experimentación y la comunicación, en lugar de depender únicamente de la autoridad formal.
• Te gusta trabajar de forma autosuficiente y autónoma, esforzándote ante la ambigüedad y asumiendo la responsabilidad de problemas técnicos complejos.
• Tienes un fuerte sentido de la urgencia y la responsabilidad sobre el producto, y te importa profundamente la calidad, la escalabilidad y el impacto de las soluciones que construyes.
• Eres curioso, pragmático y te sientes cómodo equilibrando la profundidad técnica con el impacto práctico en el negocio.
• Inteligencia, humildad y la misma disposición para aprender y enseñar.

Los datos, y cómo se utilizan, desempeñan un papel central en Jampp y están en el corazón de cómo tomamos decisiones de producto, de negocio, operativas y financieras.

Nuestro equipo de Data Science aborda problemas desafiantes en muchas disciplinas técnicas, incluyendo la previsión de series temporales, la minería de grafos, la optimización algorítmica en petabytes de datos, la inferencia causal con datos faltantes y el aprendizaje automático a escala.

Ahora estamos llevando nuestra plataforma de aprendizaje automático al siguiente nivel. Estamos evolucionando de modelos construidos en torno a características diseñadas manualmente hacia una arquitectura de aprendizaje profundo basada en embeddings, lo que permite a nuestros modelos aprender representaciones más ricas de usuarios, dispositivos, creatividades, editores, anunciantes, aplicaciones, campañas y emplazamientos.

Como Principal Data Scientist - Deep Learning, desempeñarás un papel clave en la definición y el liderazgo de esta transformación. Proporcionarás liderazgo técnico en el desarrollo de nuestra arquitectura de aprendizaje automático de próxima generación, desde el diseño de modelos de aprendizaje profundo y estrategias de embeddings hasta su despliegue y evolución en producción.

Trabajarás de forma práctica en algunos de los problemas de modelado más desafiantes de la publicidad programática, al tiempo que establecerás la dirección técnica, definirás las mejores prácticas y ayudarás a otros Data Scientists e ingenieros a tomar decisiones sólidas de arquitectura y modelado.

Esto no es un silo de investigación. Tendrás la oportunidad de trabajar con conjuntos de datos masivos y de alta cardinalidad, sistemas de puja en tiempo real y modelos que influyen directamente en cómo Jampp evalúa y puja por millones de oportunidades publicitarias cada segundo.

• Definir e impulsar la estrategia técnica para la arquitectura de modelado basada en embeddings y aprendizaje profundo de Jampp.
• Diseñar, desarrollar e iterar arquitecturas DNN avanzadas para la predicción y optimización, centrándose inicialmente en casos de uso de CPI/CPA y expandiéndose progresivamente hacia la puja en tiempo real, la optimización de pujas, el ranking y la optimización de campañas.
• Definir la arquitectura y la estrategia para el aprendizaje de representaciones ricas de entidades de alta cardinalidad como usuarios, dispositivos, creatividades, editores, anunciantes, aplicaciones, campañas y emplazamientos.
• Liderar el diseño de enfoques reutilizables de embeddings y aprendizaje de representaciones que puedan dar soporte a múltiples modelos y casos de uso en toda la plataforma.
• Identificar oportunidades para mejorar el rendimiento, la escalabilidad y la generalización de nuestros modelos de aprendizaje automático utilizando señales puras y representaciones aprendidas.
• Desarrollar enfoques de modelado para la predicción y la toma de decisiones en tiempo real en la publicidad programática, donde los modelos operan bajo estrictas restricciones de latencia y escala.
• Evaluar nuevos enfoques y tecnologías de modelado, equilibrando las técnicas de aprendizaje profundo de vanguardia con los requisitos prácticos de los sistemas DSP y RTB a gran escala.
• Establecer estándares técnicos y mejores prácticas para el desarrollo, experimentación, evaluación y puesta en producción de modelos en todo el equipo de Data Science.
• Guiar iniciativas de modelado complejas desde la definición del problema y la experimentación hasta el despliegue en producción y la mejora continua.
• Diseñar, codificar y desplegar modelos de aprendizaje automático y herramientas de producción de apoyo, principalmente en Python, manteniendo un rol práctico en las partes técnicamente más desafiantes del trabajo.
• Trabajar estrechamente con ML Engineers, Data Engineers y Software Engineers para dar forma a la infraestructura de entrenamiento, los pipelines de datos, la infraestructura de características, la arquitectura de servicio y los bucles de retroalimentación necesarios para dar soporte a la próxima generación de la plataforma de ML de Jampp.
• Analizar las métricas de rendimiento del modelo y del producto para comprender cómo los cambios algorítmicos impactan en las decisiones de puja, el rendimiento de las campañas, la respuesta del usuario y los resultados de negocio.
• Proporcionar mentoría y orientación técnica a los Data Scientists, ayudándoles a navegar por problemas de modelado complejos y a desarrollar enfoques más sólidos para la experimentación y el diseño de modelos.
• Comunicar los hallazgos técnicos, las decisiones arquitectónicas, las compensaciones y las recomendaciones de forma clara tanto a las partes interesadas técnicas como a las no técnicas.
• Colaborar con los equipos de Data Science y ML en Jampp y Affle para identificar oportunidades de capacidades compartidas, conocimientos y soluciones de aprendizaje automático.