Задачи

• подготовка, анализ внутриигровых и рекламных данных;
• построение ML моделей для предсказаний “денежных” событий, нахождение компромисса между производительностью(как обучения, так и предсказания) и точностью;
• разработка стратегий/распределенных (у нас ведь тысячи серверов, а бюджет один) систем для оптимальной траты бюджета;
• аналитика и построение ML моделей и эвристических подходов для отсекания мошеннического трафика;
• использование unsupervised подхода для анализа истории пользователя из рекламных аукционов;
• проведение A/B тестов для версий моделей.

Требования

• базовая алгоритмическая подготовка: знание основных алгоритмов и структур данных, а также того как они реализованы в стандартных библиотеках;
• уверенное владение Python, умение писать тестируемый код для продакшен процессов и решать аналитические задачи и задачи подготовки данных;
• английский язык достаточный для чтения технической документации и разбора профессиональных статей;
• знание теории вероятностей, статистики, алгебры, численных методов и байесовских методов;
• опыт поддержки полного жизненного цикла моделей, включающей анализ сырых данных, формулирование гипотез, создание моделей, проведение экспериментов, внедрение результатов в продакшн;
• понимание и опыт практического применения алгоритмов машинного обучения: линейные алгоритмы (линейная и логистическая регрессии и т.д.), композиционные алгоритмы (случайный лес, градиентный бустинг и т.д.).

Будет плюсом

• факторизационные машины, svd-разложение и unsupervised подходы;
• знание базовых data science Python библиотек;
• знание SQL.