Principal Applied Scientist – Signals Modeling team

데이터 기반 어트리뷰션(DDA)과 인과 측정의 과학적·기술적 전략 수립 및 실행. incrementality estimation, counterfactual learning, delayed-feedback modeling, bias correction 방법론 구축. 광고 시스템의 bidding, ranking, optimization, advertiser ROI 개선을 위한 attribution/causal inference 프레임워크 설계 및 생산 적용. 상관과 인과를 구분하는 평가 기준 수립, 실험 엄격성 제고. 연구·엔지니어링·제품·비즈니스 리더와의 협업, 역량 공백 식별 및 고급 연구/도구/모델링 도입. 조직 간 조율, 기술 자문, 시니어 과학자 멘토링 및 기술 방향 리딩.

필수: Statistics, Econometrics, Computer Science, Electrical or Computer Engineering 또는 관련 분야 학사+6년, 석사+4년, 박사+3년 이상 관련 경험(통계, predictive analytics, research 등) 또는 동등 경력. 대규모 머신러닝/통계 시스템의 기술 방향 설정 및 비즈니스 임팩트 창출 경험. causal inference, data-driven attribution, treatment effect estimation, counterfactual learning, experimental design의 생산 환경 적용 경험. ground truth가 제한된 고난도 과제 수행 경험, 측정/모델링 접근법의 조직 내 확산 및 채택 주도 경험, 다단계 production ML 시스템 개발·배포 경험, 복잡한 기술을 경영진·기술 리더에게 설명하는 커뮤니케이션 역량, attribution/incrementality/marketplace experimentation/causal ML 전문성, 장기 연구·모델링 아젠다를 추진해 제품 성과를 개선한 경험, 광고 플랫폼/마켓플레이스/대규모 추천 시스템의 측정 전략 수립 경험, 논문·특허·내부 표준 방법론 보유, 시니어 과학자 멘토링 및 director/VP 수준 영향력 경험. 우대: 석사+9년 또는 박사+6년 이상 관련 경험.