具体的な業務内容
機械学習エンジニア／月270億インプレッション・広告配信の効果上昇※リモート可◆電通G／東証プライム
月間270億インプレッション（2022/8実績）が発生します。これらの広告配信は機械学習を使い10msと短い間に自動的に入札価格などの意思決定を行っています。機械学習エンジニアには低レイテンシーな環境下で効果を発揮するモデルの構築とプロダクトへの実装が求められます。
機械学習エンジニアとして、以下のような業務により広告効果を高めます。
※デジタルや広告に領域を限定しないマーケティング課題解決を担う株式会社CARTA MARKETING FIRMへ出向となります。
■具体的な業務内容：
◎配信ログ・ユーザー属性からCPC・CPAなどのKPIをもとに広告表示価格の決定
◎クリック率や勝率が低いリクエストを見分け、無駄なレスポンスの削減
◎ユーザー属性から最適なクリエイティブの選択
■広告プラットフォーム開発における挑戦例：
◎時系列データを用いた早い学習サイクル
・大量の広告配信に関わるログをもとに、モデルの更新サイクルは1時間程度
・広告配信は不均衡なデータセットが多く、モデルの評価は慎重になる必要がある
◎リアルタイムな予測
・DSPでは50ms程度で全ての処理が完結
・推論に使える時間は10ms程度
◎論文サーベイ等の技術調査と提案
・オンライン広告の分野では多くの手法が検討され日々技術が進歩する
・収集したデータを最大限生かす手法を探し出し、提案する能力が求められる
■業務の進め方：
機械学習エンジニアの仕事の進め方としては2つのフェーズがあります。
◎ビジネス課題を機械学習の問題へ変換
新たな課題に向かう時、プロダクトマネージャーと密接に協力します。この段階ではビジネス上の課題を深く理解し、機械学習が解決可能な問題として落とし込みます。場合によっては機械学習を使わない方法も提案します。
◎MLパイプラインの構築・改善
モデル構築と改善に取り組みます。このフェーズでは、プロダクション環境へモデルを組み込むことをゴールとすることが重要になります。効率的なMLパイプラインを構築し、モデルの迅速な実験などの改善を可能にします。プロダクション環境へのリリース後は、広告配信ログなどを元にフィードバックサイクルを実現します。
■分野：
機械学習、オンライン意思決定、数理最適化、統計学
チーム／組織構成
