Senior Data Scientist / ML Engineer — Programmatic & Performance
Hyper AdTech — одна из крупнейших programmatic-платформ на российском рынке, сфокусированная на мобильной рекламе и in-app инвентаре.
Мы работаем в открытом RTB, интегрированы с крупнейшими поставщиками мобильного инвентаря и видим значимую часть аудитории Рунета — до 90% пользователей. Это дает нам большой поток bidstream-данных, рекламных событий, сигналов по приложениям, устройствам, гео, времени, креативам, показам, кликам и конверсиям.
Сейчас мы усиливаем ML-направление и ищем Senior Data Scientist / ML Engineer, который сможет строить модели и алгоритмы, влияющие на эффективность рекламных кампаний, качество закупки трафика и экономику платформы.
Задачи роли
Мы хотим развивать performance в мобильной programmatic-рекламе: точнее выбирать показы, прогнозировать вероятность целевых действий, управлять ставками, повышать качество трафика и улучшать экономику кампаний.
Это роль на стыке ML, больших событийных данных, рекламных аукционов и бизнес-метрик.
Что нужно будет делать
- Строить ML-модели для прогнозирования рекламных событий: кликов, конверсий, установок, заявок, покупок и других целевых действий.
- Работать с большими потоками событийных данных: bidstream, показы, клики, конверсии, данные кампаний, приложений, устройств, гео, времени, креативов и источников трафика.
- Развивать модели и алгоритмы для performance-кампаний: CTR/CVR prediction, traffic quality scoring, bidding, budget optimization, pacing, look-alike/segment scoring.
- Искать признаки, которые помогают лучше оценивать вероятность целевого действия и качество рекламного контакта.
- Проводить feature extraction и feature engineering на больших массивах логов.
- Проверять гипотезы в offline-оценке и доводить успешные решения до online-тестов.
- Разрабатывать и отслеживать метрики качества моделей и кампаний: CPA, CPL, ROAS, CTR, CVR, margin, win rate, calibration, uplift, traffic quality.
- Анализировать причины просадок: модель, данные, инвентарь, сегменты, креативы, ставки, атрибуция или качество трафика.
- Совместно с инженерной командой выводить модели в production: пайплайны, API, мониторинг, переобучение, контроль деградации.
- Находить аномалии, некачественный трафик и паттерны, которые ухудшают результат рекламодателя.
Что для нас важно
- Сильный Python.
- Опыт построения ML-моделей на табличных, событийных или временных данных.
- Уверенное знание классического ML: классификация, регрессия, ранжирование, вероятностные модели, калибровка.
- Опыт работы с pandas, numpy, scikit-learn и современными ML-библиотеками.
- Опыт с CatBoost / LightGBM / XGBoost или аналогичными инструментами.
- Понимание математической статистики, проверки гипотез, качества выборок, bias, leakage, confidence intervals.
- Опыт построения production ML или тесной работы с инженерной командой при выводе моделей в продакшн.
- Умение работать с большими логами, грязными данными и нестабильными источниками.
- Навык глубокого анализа проблем: не просто “метрика упала”, а почему именно она упала и что с этим делать.
- Бизнес-мышление: важно понимать, как ML-решение влияет на эффективность кампаний, стоимость целевого действия, маржинальность и качество закупки.
Будет плюсом
- Опыт в AdTech, MarTech, DSP, SSP, RTB, mobile in-app или performance marketing.
- Опыт с CTR/CVR prediction, bidding models, recommender systems, ranking, marketplace/e-commerce ML, risk scoring или antifraud.
- Опыт работы с ClickHouse, Spark, Airflow, Kafka или другими инструментами для больших данных и потоковых пайплайнов.
- Понимание атрибуции, post-click/post-view логики, качества трафика и фрода.
- Опыт онлайн-экспериментов, A/B-тестов, holdout-групп и оценки бизнес-эффекта моделей.
- Опыт работы с API и production-пайплайнами.
Почему это может быть интересно
- Много данных: большой поток рекламных событий и доступ к значимой части мобильной аудитории Рунета.
- Реальный production-контур: модели должны влиять на рекламные кампании, закупку трафика и экономику платформы.
- Сложная предметная область: RTB-аукцион, in-app инвентарь, performance, атрибуция, качество трафика, bidding и оптимизация бюджета.
- Возможность строить ML-направление, где результат измеряется не только offline-метриками, но и деньгами: CPA, CPL, ROAS, маржа, качество кампаний.
- Официальное оформление по ТК РФ в аккредитованную IT-компанию.
- Офис в Москве на Патриарших прудах, 5 минут пешком от м. Маяковская.
- Гибкое начало рабочего дня с 09:00 до 11:00.
- Гибридный формат: один день удаленно в неделю.
- Зарплату обсуждаем индивидуально с успешным кандидатом.
- ДМС со стоматологией после испытательного срока.
- Глубокое погружение в AdTech, programmatic и performance-рекламу.
Этапы отбора
- Онлайн-интервью с HR и руководителем направления
Обсуждаем опыт, мотивацию, рабочие кейсы и задачи Hyper. - Техническое интервью
Разбор ML-кейсов, работа с событийными данными, метрики качества, эксперименты, SQL. - Встреча с командой в офисе
Обсуждаем формат работы, ожидания, задачи и возможный оффер.