Lead Data Scientist
⚲ Warszawa
Do uzgodnienia
Wymagania
- min. 5 lat doświadczenia w Data Science, najlepiej w produktach konsumenckich mobilnych
- udokumentowane doświadczenie w monetyzacji reklam, optymalizacji przychodów lub analityce reklamowej
- doświadczenie w budowie systemów rekomendacji, personalizacji lub rankingu
- zaawansowana znajomość Pythona i SQL
- doświadczenie w pracy z dużymi zbiorami danych behawioralnych
- doświadczenie w prowadzeniu lub mentoringu Data Scientistów
- native Russian
Mile widziane
- doświadczenie z ekosystemami reklamy mobilnej (AdMob, AppLovin, Unity Ads, ironSource)
Opis stanowiska
X-FLOW, twórca Happy Color, szuka Lead Data Scientist do kierowania zespołem i rozwijania modeli ML dla monetyzacji reklam oraz personalizacji w produkcie mobilnym. Będziesz budować modele targetowania, rankingu, wyceny i predykcji przychodów, rozwijać systemy rekomendacji oraz projektować i analizować eksperymenty A/B. To rola dla doświadczonego data scientista z backgroundem w produktach konsumenckich, który łączy kompetencje techniczne z mentoringiem i współpracą z Product, Engineering i Ad Monetization. Uwaga: głównym celem jest maksymalizacja przychodów z reklam, co może wiązać się z presją na wyniki i ciągłą optymalizację pod KPI.
🔍 Dekoder Ogłoszenia
🟡
drive the development of machine learning solutions
Osoba na tym stanowisku będzie odpowiedzialna za kierowanie rozwojem rozwiązań ML — sugeruje to dużą samodzielność i odpowiedzialność, ale też potencjalnie wysokie oczekiwania bez wsparcia
🟡
providing technical leadership and mentoring to the Data Science team
Wymagane doświadczenie w zarządzaniu zespołem i mentorowaniu — może oznaczać, że zespół jest na wczesnym etapie rozwoju i potrzebuje kogoś, kto go zbuduje
🔴
primary focus will be optimizing advertising revenue
Główny cel to maksymalizacja przychodów z reklam — może wiązać się z presją na wyniki i ciągłą optymalizację pod kątem KPI
🟡
work closely with Product, Engineering, Analytics, and Ad Monetization teams
Praca w wielu interdyscyplinarnych zespołach — może oznaczać dużo spotkań i konieczność balansowania między różnymi interesariuszami