Starszy inżynier uczenia maszynowego II, przewidywanie reakcji na reklamy

Zmieniamy branżę spożywczą W Instacart zapraszamy świat do dzielenia się miłością poprzez jedzenie, ponieważ wierzymy, że każdy powinien mieć dostęp do jedzenia, które kocha, i więcej czasu, aby cieszyć się nim razem. Tam, gdzie inni widzą prostą potrzebę dostawy artykułów spożywczych, my widzimy ekscytującą złożoność i nieskończone możliwości zaspokajania różnorodnych potrzeb naszej społeczności. Pracujemy nad zapewnieniem podstawowej usługi, z której klienci mogą korzystać przy zakupie artykułów spożywczych i artykułów gospodarstwa domowego, oferując jednocześnie bezpieczne i elastyczne możliwości zarobku osobom kupującym usługi Instacart Personal Shopper.

Instacart stał się ratunkiem dla milionów ludzi i budujemy zespół, który pomoże popchnąć nasz koszyk do przodu. Jeśli jesteś gotowy, aby wykonać najlepszą pracę w swoim życiu, dołącz do naszego stołu. Instacart to zespół Flex First.

Nie ma jednego uniwersalnego podejścia do tego, jak najlepiej wykonywać swoją pracę. Nasi pracownicy mają swobodę wyboru, gdzie najlepiej wykonują swoją pracę - w domu, biurze czy ulubionej kawiarni - zachowując jednocześnie kontakt i budując społeczność poprzez regularne wydarzenia osobiste. Dowiedz się więcej o naszym elastycznym podejściu do miejsca pracy.

Omówienie Jako starszy inżynier uczenia maszynowego II w zespole prognozowania odpowiedzi na reklamy będziesz kierować projektowaniem i rozwojem podstawowych modeli uczenia maszynowego, które zasilają ekosystem reklam Instacart. Jest to rola oparta na badaniach, skupiająca się na teoretycznym formułowaniu problemów, metodologii szkolenia i jakości modeli, a nie na infrastrukturze lub inżynierii pełnego stosu. Poradzisz sobie z podstawowymi wyzwaniami w modelowaniu pCTR, takimi jak łagodzenie błędu selekcji, błędu pozycji i przekleństwa optymalizatora w danych szkoleniowych, ulepszanie kalibracji modelu na różnych powierzchniach i domenach oraz ulepszanie naszych możliwości uczenia się wielozadaniowego i modelowania sekwencji.

Będziesz mieć także możliwość kształtowania naszego podejścia do rankingu reklam nowej generacji, opartego na modelu podstawowym, i wnoszenia wkładu w najnowocześniejsze systemy wyszukiwania, takie jak TIGER (Indeks Transformatorów dla Generatywnych Rekomendatorów), Semantic ID i modele języka domen. Zespół przewidywania odpowiedzi na reklamy jest właścicielem wszystkich systemów, algorytmów i modeli uczenia maszynowego, aby zapewnić trafne i angażujące reklamy klientom wszystkich platform obsługiwanych przez Instacart. Obejmuje to systemy wyszukiwania i eksploracji, modelowanie sekwencyjne i generatywne systemy wyszukiwania dla rekomendacji następnej interakcji, integracje LLM, modele istotności, modele pCTR, modele licytacji i modele przyrostu.

Zespół optymalizuje rynek pod kątem wydajnego rynku, aby zapewnić klientom wspaniałe doświadczenia zakupowe, pożądane wyniki biznesowe reklamodawcy i przychody z reklam Instacart. Zespół ma silną infrastrukturę uczenia maszynowego i wsparcie MLOps, w tym potoki danych Delta/DBT-Spark, rozproszone szkolenia oparte na Ray i zautomatyzowane wdrażanie modeli. Oznacza to, że możesz skoncentrować swoją energię na rozwijaniu nauki o modelowaniu, a nie na budowaniu infrastruktury.

O stanowisku - Kierowanie badaniami i rozwojem modeli pCTR i przewidywania konwersji, ze szczególnym naciskiem na poprawę kalibracji, ograniczenie błędów w danych szkoleniowych (błąd w wyborze, błąd pozycji, przekleństwo optymalizatora) oraz zwiększenie dokładności modelu na powierzchniach reklamowych Instacart. - Projektowanie i wdrażanie technik obniżania odchyleń, takich jak mieszane próbkowanie ujemne (MNS), odwrotne ważenie skłonności (IPW), minimalizacja ryzyka metodą kontrfaktyczną i metody kalibracji (skala Platta, regresja izotoniczna) w celu wyeliminowania systematycznych błędów przewidywania. - Wnieś wkład w architekturę modelu wielodomenowego i wielozadaniowego nowej generacji (MDMT), obejmującą innowacje, takie jak Mixture-of-Experts (MoE), warstwy transformatora do sekwencyjnego zachowania użytkownika i adaptery LoRA do skalowalnego dostrajania domeny. - Inicjatywy w zakresie modelowania sekwencji napędów, w tym system wyszukiwania generatywnego TIGER i uczenie się reprezentacji Semantic ID, rozszerzające ich zastosowanie na powierzchnie reklamowe, takie jak szczegóły produktu, wyszukiwarka i inne miejsca docelowe. - Współpraca z szerszą społecznością ML w firmie na drodze do modeli podstawowych przy użyciu autoregresyjnego przewidywania zachowań użytkowników. - Formułować i zakresować niejednoznaczne problemy modelowania na podstawie pierwszych zasad. Przełóż obserwacje biznesowe (np. wzorce nadmiernej kalibracji, słabsze wyniki zimnego startu) na dobrze zdefiniowane kierunki badań nad uczeniem się uczenia maszynowego z jasnymi kryteriami oceny. - Publikuj i prezentuj ustalenia wewnętrznie. Wnieś wkład w kulturę rygoru technicznego zespołu poprzez przeglądy projektów, udostępnianie artykułów i retrospektywy eksperymentów. - Wykształcenie wyższe (magisterskie lub doktoranckie) w dziedzinie uczenia maszynowego, statystyki, informatyki, wyszukiwania informacji lub dziedzin pokrewnych.

O Tobie Minimalne kwalifikacje - doktorat/magister w dziedzinie uczenia maszynowego, statystyki, informatyki, wyszukiwania informacji lub ściśle powiązanej dziedziny ilościowej. - Ponad 6 lat połączonego doświadczenia akademickiego i branżowego (w tym badania doktoranckie) w stosowaniu uczenia maszynowego do rozwiązywania problemów z rankingami, rekomendacjami lub przewidywaniami na dużą skalę. - Dogłębne zrozumienie modelowania przewidywania CTR/konwersji, w tym znajomość architektur takich jak Deep & Wide, DeepFM, DCN i formuł uczenia się wielozadaniowego. - Solidne podstawy wnioskowania przyczynowego, rozumowania kontrfaktycznego i łagodzenia stronniczości danych szkoleniowych. Umiejętność rozumowania na temat błędu selekcji, błędu pozycji i metod korekcji opartych na skłonnościach. - Biegła znajomość języka Python i frameworków do głębokiego uczenia się (PyTorch, Tensorflow, JAX). Biegła znajomość narzędzi do manipulacji danymi (SQL, Spark, Pandas). - Doświadczenia w formułowaniu niejednoznacznych problemów w dobrze określone kierunki badań w zakresie uczenia maszynowego i dostarczaniu wyników poprzez rygorystyczne eksperymenty. - Silne umiejętności komunikacji pisemnej i werbalnej.

Umiejętność wyjaśniania złożonych decyzji dotyczących modelowania interesariuszom z różnych dziedzin, w tym menedżerom produktów i analitykom danych. Preferowane kwalifikacje - doświadczenie w rankingach reklam lub systemach aukcyjnych (pCTR, optymalizacja stawek, pętla informacji zwrotnej ROAS, dynamika rynku). - Praktyczne doświadczenie z autoregresyjnymi modelami sekwencji do przewidywania zachowań użytkowników, wyszukiwania generatywnego lub architektur rankingowych opartych na transformatorach. - Znajomość wyuczonych reprezentacji, takich jak identyfikatory semantyczne, osadzanie produktów lub inne podejścia do ograniczania liczności funkcji i wyzwań związanych z zimnym startem. - Doświadczenie w zakresie technik transferu uczenia się lub adaptacji domeny (np. LoRA, dostrajanie w oparciu o adapter) stosowanych w modelach rekomendacji lub rankingów. - Rekord publikacji w czołowych miejscach (KDD, WWW, RecSys, NeurIPS, ICML, SIGIR lub podobne). - Doświadczenie w mentorowaniu młodszych inżynierów lub kształtowaniu kierunku technicznego dla zespołu modelującego. - Znajomość podejść do rekomendacji opartych na LLM, w tym personalizacji opartej na natychmiastowych działaniach i opracowywaniu modeli wspomaganych sztuczną inteligencją (AutoML).

Instacart zapewnia wysoce konkurencyjne na rynku wynagrodzenie i świadczenia w każdej lokalizacji, w której pracują nasi pracownicy. Rola ta jest odległa, a zakres wynagrodzenia podstawowego wybranego kandydata zależy od jego stałego miejsca pracy. Prosimy o zapoznanie się z naszą polityką pracy zdalnej Flex First tutaj.

Oferty mogą się różnić w zależności od wielu czynników, takich jak doświadczenie kandydata i umiejętności wymagane na danym stanowisku. Dodatkowo osoba na tym stanowisku kwalifikuje się do dotacji na kapitał nowo zatrudniony, a także do rocznych dotacji na odświeżenie stanowiska. Więcej informacji na temat naszej oferty świadczeń znajdziesz tutaj.

W przypadku kandydatów mieszkających w USA poniżej podano zakresy wynagrodzenia podstawowego wybranego kandydata. CA, NY, CT, NJ 240 000 - 253 500 USD WA 230 000 - 243 000 USD LUB, DE, ME, MA, MD, NH, RI, VT, DC, PA, VA, CO, TX, IL, HI 221 000 - 233 000 USD Wszystkie pozostałe stany 201 000 - 212 000 USD Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/senior-machine-learning-engineer-ii-ads-response-prediction-instacart