Senior Data Scientist (m/f/d)

Kayzen ist eine mobile Demand-Side-Plattform (DSP), die sich der Demokratisierung der programmatischen Werbung widmet. Wir ermöglichen führenden Apps, Agenturen, Media-Einkäufern und Marken, programmatische Kundenakquise, Retargeting und Markenleistungs-Kampagnen über unsere Self-Service- und Managed-Service-Optionen durchzuführen. Kayzen basiert auf den drei Kernpfeilern Leistung, Transparenz und Kontrolle und unterstützt die besten mobilen Marketingteams der Welt mit maßgeschneiderten Lösungen, die das Unternehmenswachstum fördern und einen Wettbewerbsvorteil bieten.

Sie werden mit einem sorgfältig ausgewählten, vielfältigen und global verteilten Data Science-Team an verschiedenen Machine-Learning-Modellen arbeiten, die Terabytes von Daten verarbeiten und Milliarden von Anzeigenanfragen und Nutzern weltweit in Echtzeit bedienen. Wir sind hochmotiviert und auf einer gemeinsamen Mission, die Multi-Milliarden-Dollar-Werbeindustrie zu revolutionieren.

Verantwortlichkeiten

• Modelle verbessern: Kontinuierliche Verbesserung bestehender Modelle durch Integration neuer Funktionen, Feinabstimmung von Parametern und Nutzung zusätzlicher Daten.
• Algorithmusentwicklung: Zusammenarbeit mit unserem Machine Learning Engineering-Team zur Entwicklung und Bereitstellung skalierbarer überwachter und unüberwachter Lernalgorithmen.
• Datenexploration: Identifizierung und Erschließung neuer Datenquellen sowie Forschung nach innovativen Möglichkeiten zur effektiven Nutzung neuer und bestehender Daten.
• Lösungsforschung: Untersuchung neuer Machine Learning-Lösungen zur Optimierung jedes Schrittes unserer Wertschöpfungskette.
• A/B-Tests: Regelmäßige Durchführung und Auswertung von A/B-Tests zur Gewinnung von Erkenntnissen und Verfeinerung unserer Strategien.

Wichtige Prinzipien

• Simplizität zuerst: Wir priorisieren die Suche nach den besten Lösungen für Herausforderungen, anstatt Probleme in vorgegebene Lösungen zu zwängen.
• Wirkungsorientiert: Wir nutzen Machine Learning, um unser Produkt zu verbessern und die Leistung für unsere Kunden zu steigern, wobei wir stets auf greifbare Geschäftsergebnisse fokussiert sind.
• Kollaborativer Geist: Unsere Teams bestehen aus Analysten, Ingenieuren und Data Scientists, weshalb starke Kommunikationsfähigkeiten für den Erfolg unerlässlich sind.
• Experimentierfreude: Wir glauben an die Kraft des Experimentierens, um kontinuierlich zu innovieren und unseren Ansatz zu verfeinern.

Anforderungen

• Umfangreiche Erfahrung in der Entwicklung von Data Science-Produkten, von der ersten Forschung bis zur Produktionsbereitstellung.
• Starke Programmierkenntnisse mit Fokus auf sauberen, reproduzierbaren und gut getesteten Code.
• Versiert im Umgang mit wichtigen Tools und Technologien wie Python, Spark, Hadoop, Airflow, Docker und SQL.
• Praktische Erfahrung mit Algorithmen zur Verarbeitung von spärlichen und großen Datensätzen, einschließlich Anwendungen in Vorhersage, Clustering und Ausreißererkennung.
• Vertrautheit mit Gradient Boosting Trees (CatBoost, LightGBM) in Produktionsumgebungen ist von Vorteil.
• Erfahrung in der Entwicklung von Produkten auf Basis neuronaler Netze für Aufgaben wie Klassifikation, Regression und Multi-Task-Lernen ist sehr wertvoll.
• Bonusfähigkeiten: Kenntnisse in Reinforcement Learning und großangelegten Optimierungsproblemen sind ein bedeutendes Asset.
• Gutes Verständnis von Dashboards und SQL zur Entwicklung und Verbesserung von Überwachungstools.
• Frühere Erfahrung im Ad-Tech ist ein Muss.

Was bieten wir?

• Außergewöhnliche Karrierewachstums- und Lernmöglichkeiten.
• Eine einzigartige Gelegenheit, Teil eines erfahrenen Teams von Branchenexperten und Unternehmern zu sein, die massive Veränderungen im Ad-Tech-Markt bewirken.
• Direkte, tägliche Arbeitserfahrung mit dem Management.
• Ein motiviertes, internationales Team, das in Deutschland, Indien, Argentinien, Kanada, Spanien, Großbritannien und vielen weiteren Ländern tätig ist.
• Flexible Homeoffice-Regelung.
• Die Möglichkeit, in unser Büro in Berlin umzuziehen.
• Ein Budget von 500 Dollar für die Einrichtung des Homeoffices.
• Ein jährliches Budget von 1000 Dollar für Lernen und Entwicklung.