G
Cientista de Dados Sênior (m/f/x)
GRID eSports GmbH
Descrição da vaga
• Você está entusiasmado com a criação de sistemas de ML que fazem previsões em tempo real?
• Você se preocupa em construir coisas de ponta a ponta, desde pesquisas até sistemas ativos?
Se as respostas às perguntas acima forem sim, então esta função pode ser ideal para você!
Estamos construindo sistemas de previsão em tempo real para esportes eletrônicos competitivos (CS2, Dota 2, League of Legends). Nossos modelos potencializam os mercados de apostas ao vivo, produzindo probabilidades de vitória, linhas de handicap, totais acima/abaixo e mercados especializados continuamente atualizados durante as partidas.
Procuramos um Cientista de Dados Sênior para liderar a pesquisa, o design e a melhoria contínua de nossos principais modelos preditivos. Você será a força motriz por trás da matemática, da lógica estatística e da engenharia de recursos que tornam nossos modelos altamente precisos e lucrativos. Você enfrentará problemas complexos em dados de alta frequência, projetará estruturas rigorosas de backtesting e trabalhará na ponte entre pesquisas teóricas e recursos de produtos ativos.
O que você fará
• Projetar, construir e otimizar os modelos de aprendizado de máquina e estruturas estatísticas que impulsionam nossas probabilidades e mercados de apostas em tempo real
• Extraia sinais preditivos profundos de telemetria de esportes eletrônicos bruta e de alta frequência, transformando mecânicas complexas do jogo em recursos de modelagem estruturados
• Foco no desempenho do modelo e na calibração de probabilidade. Projetar estruturas rigorosas de backtesting para evitar vazamento de dados e avaliar o desempenho em relação às linhas de base históricas do mercado
• Criar regras matemáticas e derivações probabilísticas que traduzem probabilidades básicas de vitória em mercados derivativos complexos (handicaps, totais, props do jogador)
• Garanta que seus modelos sejam perfeitamente traduzidos em pipelines e microsserviços de nível de produção
Suas habilidades incluirão (obrigatório)
• Mais de 5 anos de experiência profissional em ciência de dados, pesquisa quantitativa ou modelagem estatística
• Compreensão profunda e intuitiva de probabilidade, estatística e teoria de aprendizado de máquina
• Habilidades de nível especializado na pilha de dados Python. Você escreve código limpo e de nível de produção
• Experiência comprovada no projeto de ambientes complexos de backtesting e na definição de métricas de avaliação personalizadas para problemas de negócios exclusivos
É bom ter
• Forte compreensão de conceitos de apostas, probabilidades, overround, criação de mercado ou negociação quantitativa. Você entende o que significa construir modelos onde probabilidades calibradas geram receita diretamente
• Experimente a modelagem de dados de streaming ou dados que são atualizados continuamente ao longo do tempo
• Profundo conhecimento de esportes eletrônicos competitivos (CS2, Dota 2, LoL), da mecânica de jogo subjacente e do meta competitivo
• Compreensão dos princípios modernos de MLOps e experiência com ferramentas como MLFlow
• Você se preocupa em construir coisas de ponta a ponta, desde pesquisas até sistemas ativos?
Se as respostas às perguntas acima forem sim, então esta função pode ser ideal para você!
Estamos construindo sistemas de previsão em tempo real para esportes eletrônicos competitivos (CS2, Dota 2, League of Legends). Nossos modelos potencializam os mercados de apostas ao vivo, produzindo probabilidades de vitória, linhas de handicap, totais acima/abaixo e mercados especializados continuamente atualizados durante as partidas.
Procuramos um Cientista de Dados Sênior para liderar a pesquisa, o design e a melhoria contínua de nossos principais modelos preditivos. Você será a força motriz por trás da matemática, da lógica estatística e da engenharia de recursos que tornam nossos modelos altamente precisos e lucrativos. Você enfrentará problemas complexos em dados de alta frequência, projetará estruturas rigorosas de backtesting e trabalhará na ponte entre pesquisas teóricas e recursos de produtos ativos.
O que você fará
• Projetar, construir e otimizar os modelos de aprendizado de máquina e estruturas estatísticas que impulsionam nossas probabilidades e mercados de apostas em tempo real
• Extraia sinais preditivos profundos de telemetria de esportes eletrônicos bruta e de alta frequência, transformando mecânicas complexas do jogo em recursos de modelagem estruturados
• Foco no desempenho do modelo e na calibração de probabilidade. Projetar estruturas rigorosas de backtesting para evitar vazamento de dados e avaliar o desempenho em relação às linhas de base históricas do mercado
• Criar regras matemáticas e derivações probabilísticas que traduzem probabilidades básicas de vitória em mercados derivativos complexos (handicaps, totais, props do jogador)
• Garanta que seus modelos sejam perfeitamente traduzidos em pipelines e microsserviços de nível de produção
Suas habilidades incluirão (obrigatório)
• Mais de 5 anos de experiência profissional em ciência de dados, pesquisa quantitativa ou modelagem estatística
• Compreensão profunda e intuitiva de probabilidade, estatística e teoria de aprendizado de máquina
• Habilidades de nível especializado na pilha de dados Python. Você escreve código limpo e de nível de produção
• Experiência comprovada no projeto de ambientes complexos de backtesting e na definição de métricas de avaliação personalizadas para problemas de negócios exclusivos
É bom ter
• Forte compreensão de conceitos de apostas, probabilidades, overround, criação de mercado ou negociação quantitativa. Você entende o que significa construir modelos onde probabilidades calibradas geram receita diretamente
• Experimente a modelagem de dados de streaming ou dados que são atualizados continuamente ao longo do tempo
• Profundo conhecimento de esportes eletrônicos competitivos (CS2, Dota 2, LoL), da mecânica de jogo subjacente e do meta competitivo
• Compreensão dos princípios modernos de MLOps e experiência com ferramentas como MLFlow
Candidatar-me agora →
Serás encaminhado para o anúncio original em .