ML-инженер

Мы – RivoxAI, В2В сервис, который меняет старую систему рекламы в Яндекс.Директе и помогает интернет-магазинам, B2B онлайн-сервисам и тд экономить до 30% бюджета с помощью машинного обучения и виртуальных конверсий.

У нас есть крутой трекшн с кратным ростом месяц к месяцу и интерпрайз клиенты с большими объемами данных.

Мы хотим построить реально большую машину в области AdTech с атрибуцией, предиктивной аналитикой по товарам/покупкам / сложным таргетам по типу ltv/маржинальность.

Делаем систему, которая снижает CPA и повышает качество трафика за счёт:

• виртуальных конверсий,

• предиктивных моделей поведения,

• нормальной атрибуции,

• и понимания того, как реально обучаются алгоритмы Яндекс.Директа.

Работаем с e-commerce, fintech, edtech, B2B-сервисами.
Есть прод, деньги, большие объёмы данных и больше 350 клиентов подключенных и платящих.

У нас применяется ансамбль из моделей. Это градиентные бустинги, нейросети, сложный пайплайн обучения моделей, это связано с тем, что у каждого сайта свои фичи и признаки, а метрики качества модели должны быть едины для всех сайтов с разными фичами/дисбалансом и тд. Но обучение моделей должно происходить автоматизированно полностью.

Кого мы ищем

Нам нужен инженер, который понимает рекламные алгоритмы

Ключевое требование:
ты понимаешь, как реально работают алгоритмы Яндекс.Директа / Google Ads, что они оптимизируют, как реагируют на сигналы, шум, задержки, фрод, sparse-данные.

Твой профиль

• Понимаешь механику рекламных аукционов и автостратегий

• Работал с ML-моделями в проде

• Умеешь строить пайплайны от сырых логов до inference

• Спокойно живёшь в неопределённости и умеешь принимать инженерные решения без идеальных данных

• Думаешь не «какая модель лучше», а «какой сигнал улучшит бизнес-метрику»

Что нужно делать

• Разрабатывать и обучать ML-модели для предсказания поведения пользователей

• Формировать и тестировать виртуальные конверсии

• Оптимизировать сигналы под реальные цели бизнеса (CPA, ROI, качество трафика)

• Работать с большими объёмами данных: сессии, события, логи

• Строить полный пайплайн: сбор → фичи → обучение → валидация → прод

• Участвовать в A/B-тестах и анализе результатов

• Влиять на архитектуру продукта и логику взаимодействия с рекламными платформами

Условия

• Полностью удалённо

• Возможна частичная занятость или совмещение

• Можно и нужно спорить, если есть аргументы

• Продукт, за который не стыдно перед сильными инженерами

• Доступ к реальным данным и реальному эффекту

Почему сейчас

Рекламные бюджеты растут, эффективность падает.
Рынку нужны не агентства и не «оптимизаторы», а инженерные решения.

Мы уже в проде и зарабатываем, но сейчас этап, где:

• можно повлиять на архитектуру,

• задать правильные абстракции,

• и построить систему, а не очередной костыль над Директом.

Редкий момент, когда можно сделать правильный AdTech с нуля.