В Coupang нас движет стремление кардинально изменить опыт наших клиентов в покупках, питании и образе жизни. Как пионеры в много миллиардной индустрии электронной коммерции, мы продолжаем устанавливать стандарты в Южной Корее и за ее пределами, сочетая ловкость стартапа с поддержкой крупной глобальной компании. Присоединяйтесь к нам, чтобы стать частью культуры, ориентированной на предпринимательство, нововведения и неустанное стремление нарушать устоявшиеся нормы.
В роли Ведущего Инженера по Машинному Обучению в команде Coupang Media Group (CMG), Ads Growth team, вы будете заниматься разработкой передовых моделей и алгоритмов машинного обучения, которые будут способствовать процветанию нашего бизнеса в области рекламы и улучшению опыта наших рекламодателей. С момента запуска нашей продуктовой рекламы в 2018 году мы наблюдали быстрый рост, успешно поддерживая поставщиков и рекламные бренды на нашей платформе и расширяя наше влияние вне ее.
- Работать с нашими командами продуктов и продаж, чтобы преобразовать сложные бизнес-потребности в выполнимые проекты по машинному обучению и анализу данных.
- Создавать и внедрять масштабные инновационные системы и функции машинного обучения.
- Проводить сложные статистические анализы для повышения результатов для рекламодателей и нашего дохода от рекламы.
- Выявлять и использовать новые возможности для расширения наших рекламных услуг на новые сегменты клиентов и продукты.
- Тесно сотрудничать с коллегами разных специализаций, такими как специалисты по данным, разработчики программного обеспечения и экономисты, для эффективного руководства проектами.
- Разбираться и разъяснять неоднозначности по вопросам моделей машинного обучения в широком контексте внутри команды.
- Предоставлять наставничество и руководство для младших членов команды, способствуя культуре роста и обучения.
- Степень магистра или доктора наук в количественных областях, таких как информатика, статистика, электротехника или математика.
- Не менее 5 лет профессионального опыта (с докторской степенью) или 8 лет (с другой степенью) в использовании больших наборов данных для разработки и совершенствования моделей машинного обучения.
- Доказанный