Staff Machine Learning Researcher

Wer wir sind

RTB House ist ein globales Unternehmen, das modernste Marketingtechnologien für Top-Marken und Agenturen weltweit bereitstellt. Die proprietäre Ad-Buying-Engine ist die erste der Welt, die vollständig von Deep Learning-Algorithmen betrieben wird, was es Werbetreibenden ermöglicht, herausragende Ergebnisse zu erzielen und ihre Ziele in jeder Phase des Funnels zu erreichen. Gegründet im Jahr 2012 und jetzt in über 90 Märkten tätig, war RTB House immer privat gestaltet. Es setzt auf First-Party-Werbung und verfolgt einen unermüdlichen Innovationsansatz. Die hochoptimierte Biet-Engine von RTB House verarbeitet 400 Millionen Modellinferenz pro Sekunde.

Über die Rolle

Als Staff ML Researcher werden Sie an herausfordernden ML-Projekten arbeiten, die die Art und Weise erweitern und verbessern, wie ML in unserem Unternehmen eingesetzt wird. ML steht im Mittelpunkt von RTB House, und Sie werden einen starken, unmittelbaren Einfluss auf unsere Kernmetriken haben. Wir suchen einen starken individuellen Beitragenden, der Forschungsprojekte mit hohem Umfang und Unklarheit leitet.

Die folgenden Fähigkeiten werden entscheidend sein:

• Fähigkeit zur Lösung unklarer Probleme: Sie müssen das Kernproblem verstehen, das Ziel definieren und den Erfolg messen sowie den effektivsten Weg finden, um das Problem zu lösen.
• Praktische ML-Expertise: Dies ist eine angewandte Forschungsrolle: Wir bauen ML-Systeme, die in der Produktion laufen. Sie werden Code schreiben, Modelle trainieren, Experimente durchführen und implementieren – der Maßstab für den Erfolg ist die reale Auswirkung.
• Ergebnisorientierung: Wir schätzen einen gesunden Antrieb, Probleme effektiv zu lösen, indem wir einfach anfangen und komplexe Werkzeuge nur bei Bedarf verwenden, immer bestrebt nach einer einfachen, eleganten Lösung.
• Führungsfähigkeiten: Wir suchen jemanden, der potenzialreiche Projekte identifizieren, eine Vision erstellen, mit Stakeholdern kommunizieren und vor allem umsetzen kann.
• End-to-End-Eigentum: Sie werden die Projekte von der Konzeption über Analyse, Forschung, Erstellung eines Prototyps, Tests bis hin zur endgültigen Implementierung und Bereitstellung besitzen.
• Effektive Kommunikation: In dieser Rolle werden Sie mit vielen Menschen zusammenarbeiten, und es ist entscheidend, gut zu kommunizieren und die Arbeit effektiv zu organisieren.

Sie werden:

• Forschungsprojekte mit unternehmensweiter Reichweite und direktem Einfluss auf unsere Kernmetriken identifizieren, definieren und vorantreiben.
• Modelle entwerfen und implementieren, meist tiefe neuronale Netzwerke, die verwendet werden, um das Verhalten und die Vorlieben von Internetnutzern vorherzusagen.
• Neue Ansätze zur Modellierung wichtiger Themen entwickeln und testen, wie z.B. Bieten in First-Price-Auktionen.
• A/B-Tests neuer Lösungen durchführen und analysieren.
• Die neuesten Arbeiten im Bereich Machine Learning verfolgen und analysieren und in praktische Verbesserungen umsetzen.
• Forscher betreuen und die Forschungspraktiken in den Teams gestalten.

Ausgewählte verwendete Technologien:

• Python, Java, Scala
• PyTorch, NumPy, Pandas
• TPU, JAX
• Jupyter Notebooks
• BigQuery, GCP

Erwartete Erfahrung:

• 5+ Jahre Erfahrung als Forscher oder Ingenieur.
• 2+ Jahre praktische Erfahrung mit Machine Learning / Data Science.
• Kenntnisse in Programmierung.
• Solide mathematische Kenntnisse und Intuitionen.

Schön zu haben:

• Starkes theoretisches Mathematikverständnis: Statistik, Wahrscheinlichkeit, diskrete Mathematik, Kombinatorik.
• Erfahrung in AdTech ist von Vorteil, aber nicht erforderlich.

Was wir bieten:

• Attraktive Vergütung
• Technologie: Zugang zu den neuesten Technologien und echte Möglichkeiten, diese in großangelegten und dynamischen Projekten zu nutzen; Arbeiten mit umfangreichen und reichhaltigen Datensätzen.
• Einfluss: Ihre Arbeit wird sofort die Geschäftsergebnisse und -ergebnisse des Unternehmens weltweit beeinflussen sowie weniger erfahrene Kollegen im Team betreuen.
• Wohlbefinden: Remote- und Vor-Ort-Arbeit möglich. Flexible Arbeitszeiten.
• Kultur: Arbeiten in einem Team von Enthusiasten mit breiter Erfahrung in ML, die bereitwillig ihr Wissen und ihre Erkenntnisse täglich teilen, ohne BS-Umgebung.
• Zweckorientierte Arbeit: Im Herzen des Systems werden Ihr wachsendes Wissen und Ihre Kompetenzen in praktischen Anwendungen verwendet, die direkt mit Geschäftsergebnissen verbunden sind.