Applied Scientist, Amazon Ads

Job expired!

Присоединяйтесь к команде Amazon Ads в качестве прикладного ученого в Лондоне или Эдинбурге

В Amazon реклама переосмысливается. Находясь на пересечении электронной коммерции и рекламы, Amazon Ads предлагает множество передовых рекламных решений и аналитики аудитории, чтобы помочь бизнесам и брендам создавать точные, эффективные кампании с измеримыми результатами. Здесь процветает инновация, основанная на сочетании машинного обучения и искусственного интеллекта.

Чем Вы Будете Заниматься

В качестве прикладного ученого нашей динамичной команды вы будете:

  • Разрабатывать, прототипировать и тестировать гипотезы в условиях высокой неопределенности, используя аналитическое и деловое суждение.
  • Тесно сотрудничать с командами программных инженеров для интеграции успешных экспериментов в масштабные, высокосложные системы Amazon.
  • Способствовать культуре экспериментирования и прикладной науки в Amazon.
  • Эффективно управлять несколькими проектами и соблюдать сжатые сроки.
  • Демонстрировать отличные коммуникативные и презентационные навыки среди различных групп коллег и на разных уровнях управления.
  • Способствовать и дальше улучшать корпоративную культуру, ориентируясь на принципы лидерства Amazon.

Где Вы Будете Работать

Потенциальные кандидаты могут выбрать место работы в одном из наших процветающих технологических центров, будь то Эдинбург или Лондон.

Ваши Экспертные Знания и Навыки

Основные требования:

  • Степень доктора, магистра или эквивалентный опыт в области компьютерных наук, компьютерной инженерии, машинного обучения или смежной технической специальности.
  • Владение языками программирования, такими как Java, C++, Python или подобными.
  • Подтвержденный опыт создания сложных моделей машинного обучения или разработки алгоритмов для бизнес-приложений.

Желательные квалификации:

  • Опыт реализации алгоритмов глубокого обучения, подходящих для компьютерного зрения.
  • Вклад в патенты или публикации в ведущих рецензируемых конференциях или журналах.
  • Практический опыт работы с генеративными моделями гл