Senior Data Scientist - Recommender Systems (P508)

Приєднуйтесь до лідерів у галузі ритейл-аналітики в 84.51°

84.51° є провідною компанією в галузі ритейл-аналітики, інсайтів та медіа. Ми співпрацюємо з The Kroger Co., компаніями з виробництва споживчих товарів, агентствами, видавцями та афілійованими особами, щоб створювати персоналізовані, цінні досвіди для покупців протягом усього їхнього шляху до покупки.

Використовуючи передові технології, ми використовуємо дані про ритейл понад 62 мільйонів домогосподарств у США через програму лояльності Kroger Plus. Ці дані забезпечують клієнтсько-орієнтовану подорож за допомогою 84.51° Insights, 84.51° Loyalty Marketing та нашого рішення ритейл-медіа-реклами Kroger Precision Marketing.

Ми запрошуємо вас стати частиною нашої динамічної команди в 84.51°!

Старший науковець з даних, команда релевантності – стратегія персоналізації та лояльності (P508)

Про команду релевантності

Наша команда релевантності має на меті створювати релевантний та персоналізований досвід для E-commerce сайту Kroger, який входить в десятку кращих e-commerce компаній у США. Ми доставляємо трильйони рекомендацій для мільйонів клієнтів Kroger. Наш науковий портфель включає системи рекомендацій продуктів та купонів, рекомендації замінників та покупні рецепти.

Обов'язки ролі

• Розробка інноваційних систем рекомендацій: Проектувати, розробляти та впроваджувати індивідуальні системи рекомендацій, що відповідають унікальним потребам торгівлі продуктами. Використовувати передові методи машинного навчання, включаючи моделі глибинного навчання, для персоналізованих рекомендацій.
• Оцінка та поліпшення ефективності рекомендацій: Встановлювати суворі методології для оцінки алгоритмів рекомендацій. Проводити A/B тестування та офлайн-оцінки, виконувати аналіз основних причин та дослідження інтерпретації моделей для ідентифікації можливостей для поліпшення.
• Покращення персоналізації та різноманітності: Розширювати персоналізацію, враховуючи індивідуальні вподобання, дієтичні обмеження та звички покупок. Диверсифікувати рекомендації, щоб представляти користувачам ширший асортимент продуктів.
• Інтеграція та розгортання моделей: Співпрацювати з інженерами машинного навчання для ефективного розгортання моделей системи рекомендацій. Використовувати такі технології, як Docker, для надійного обслуговування моделей та масштабованості в продукційному середовищі.
• Співпраця з міжфункціональними командами: Тісно працювати з науковцями даних, інженерами даних та фул стек інженерами. Співпрацювати з управлінням продуктом та бізнес-лідерами для розуміння цілей та стимулювання оптимізаційних зусиль.
• Аналітика та генерація інсайтів: Інтегрувати різноманітні джерела даних для створення датасетів для розробки моделей. Розробляти аналітичні конвеєри та звітні панелі для відстеження метрик продуктивності та ефективності стратегій рекомендацій.
• Документація