Senior Data Scientist / ML Engineer — Programmatic & Performance

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

1. Онлайн-интервью с HR и руководителем направления
   Обсуждаем опыт, мотивацию, рабочие кейсы и задачи Hyper.
2. Техническое интервью
   Разбор ML-кейсов, работа с событийными данными, метрики качества, эксперименты, SQL.
3. Встреча с командой в офисе
   Обсуждаем формат работы, ожидания, задачи и возможный оффер.