Applied Research Scientist – World Model

🕒 Outubro 20

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $185.800 - $312.400 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🧬 Cientista Pesquisador(a)

🦅 Patrocina Visto H1B

Esta empresa já patrocinou vistos H1B no passado.

👻 Score fantasma 0%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Zillow

SiteLinkedInTodas as Vagas

5001 - 10000 funcionários

Fundada em 2006

🏠 Imobiliário

🛍️ Comércio Eletrônico

👥 B2C

💰 $4.099.999 Post-IPO Equity em 2012-12

Real Estate • eCommerce • B2C

A Zillow é um marketplace líder de compra, venda e aluguel de imóveis, oferecendo informações completas sobre casas, apartamentos e propriedades à venda ou para alugar. Ela disponibiliza ferramentas para buscar imóveis, calcular taxas de financiamento imobiliário e conectar-se a corretores de imóveis. A plataforma também conta com algoritmos inovadores que geram Zestimates, estimativas de valor de mercado de imóveis. A Zillow é uma referência para quem deseja comprar, vender ou alugar, assim como para corretores de imóveis e imobiliárias que querem alcançar um público mais amplo.

Descrição

• Build the demand layer of Zillow’s World Model from large-scale shopper behavior data • Convert search, engagement, and session trajectories into structured demand representations, including explicit attention-to-demand conversion • Design and train latent state-space, multi-tower, and/or sequential dynamics models with calibrated uncertainty • Support multi-step rollouts, forward planning, and backward planning • Estimate willingness-to-pay, per-home demand curves, and market-clearing dynamics • Connect learned representations to economic quantities • Apply causal identification to observational data • Define where the model must abstain when correlations do not support “what-if” claims • Contribute to the World Model evaluation battery, including state probes, calibrated multi-target forecasts, rollout drift, causal checks, and out-of-regime replays • Independently drive ambiguous research projects end-to-end • Provide technical leadership and mentorship while translating state-of-the-art research into production impact • Partner with the World Model working group and product, engineering, platform, and data teams

🎯 Requisitos

• PhD in Computer Science, Machine Learning, Statistics, Economics, or a related quantitative field • Hands-on experience building latent state-space or world models, including RSSM/Dreamer-family, JEPA-style latent prediction, or event-sequence transformers • Experience with belief-state representations, stochastic transition models with calibrated uncertainty, and multi-step rollout evaluation • Ability to turn large-scale user behavior data into structured demand representations, including utility or willingness-to-pay estimation and funnel/conversion modeling • Experience correcting for selection bias in platform-observed populations • Practical causal inference in observational settings, including quasi-experiments, instruments, and policy discontinuities • Judgment about when learned correlations support counterfactual claims • Proven record delivering open-ended research projects • Ability to scope ambiguous problems and provide technical leadership to scientists and MLEs • Strong programming skills, especially Python • Experience with ML frameworks such as PyTorch or TensorFlow • Economics fluency in market microstructure, search-and-matching, or structural/discrete-choice demand models is strongly preferred • Experience with agent-based or market simulation, or simulation-based reinforcement learning • Published work in world models, model-based RL, causal inference, or structural demand estimation • Experience with multimodal representation learning or bitemporal, leakage-safe training data • Familiarity with two-sided marketplaces, real estate, or long-horizon consumer journeys

🏖️ Benefícios

• Equity awards based on factors such as experience, performance and location • Remote work from a physical location of the employee’s choice • Flexibility to work from wherever most productive • Accommodation support for disabilities or special needs