Mimecast е компания за киберсигурност, която помага на организациите да се справят с постоянните дигитални заплахи чрез услуги за сигурност, разработени с фокус върху поверителността, устойчивостта и потребителското изживяване. Екипът ѝ от над 2500 служители работи на международни пазари, включително в Съединените щати, Обединеното кралство и Австралия. Компанията поставя акцент върху предвиждането на възникващи рискове, постепенното укрепване на защитата и култура, насочена към високи постижения в сигурността и непрекъснато усъвършенстване.
Инженер по машинно обучение II — хибридно в Кълъмбъс
Разработвайте мащабируеми решения за машинно обучение, генеративен изкуствен интелект и потоци от данни в реално време за продукта Incydr на Mimecast за киберсигурност и риск от вътрешни заплахи. Ръководете внедряванията в продукция и междуфункционални инициативи, които развиват възможностите за клиентите.
Описание
- Проучване, проектиране, разработване и поддръжка на усъвършенствани модели за машинно обучение
- Обучение, оценяване и фина настройка на модели за подбор, валидиране, точност, латентност и пропускателна способност
- Препоръчване на подходи за мащабируемост, настройка на модели и конфигуриране на инфраструктурата за данни
- Проектиране и реализиране на цялостни потоци от данни и машинно обучение за продукти в реално време
- Извличане, почистване и трансформиране на необработени данни чрез инженеринг на признаци
- Подготовка на модели за машинно обучение за продукция и интегрирането им в съществуващи системи
- Наблюдение на внедрените модели по отношение на ефективност, пропускателна способност и латентност
- Участие във формирането на софтуерната архитектура за масиви от данни с голям обем
- Ръководене на проекти за машинно обучение от първоначалната концепция до продукционното издание
- Менторство на младши колеги и насърчаване на добрите инженерни практики
- Партньорство с екипите за разработване на продукти, включително екипите по продукт, инженеринг, маркетинг, успех на клиентите и продажби
- Разработване на ориентирани към клиента функционалности и прогнозни модели чрез проучвания и експерименти
- Обясняване на сложни технически концепции в сесии за споделяне на знания
- Управление, оформяне и приоритизиране на работата с ограничен надзор
- Изграждане на отношения със заинтересованите страни и подкрепа на съвместна, приобщаваща и непрекъснато развиваща се екипна култура
- Използване на инструменти за разработване на AI за проучване на концепции, създаване на прототипи, интерпретиране на данни и експериментиране с LLM и агентни системи
Изисквания
- Докторска или магистърска степен в количествена област и най-малко четири години прилагане на усъвършенствано машинно обучение към индустриални проблеми или бакалавърска степен и най-малко шест години пряко релевантен опит
- Напреднали умения за програмиране на Python, C++, Java или Kotlin
- Практически опит с PyTorch, NLTK, spaCy, OpenCV, Tesseract и Hugging Face
- Познаване на линейната алгебра, стохастичната оптимизация и теорията на вероятностите
- Познания по статистическо извеждане и методи за машинно обучение, включително прогнозиране, анализ на времеви редове, проверка на хипотези, откриване на аномалии, класификация и регресия
- Опит с работа с мащабни набори от данни, съдържащи повече от два милиона примера за обучение, и със силно дисбалансирани данни
- Владеене на услуги на AWS като ECS, Kinesis, Lambda, S3, Glue, SageMaker, Bedrock, Athena, RDS и Redshift
- Опит в проектирането и внедряването на мащабируеми услуги за генеративен AI с LangChain, LlamaIndex, n8n и Spring AI
- Способност за разработване и поддръжка на инфраструктура като код
- Опит с използването на системи за контрол на версиите
- Познаване на обработката на чувствителни данни съгласно рамкови договори за услуги и задължения за съответствие
- Силни аналитични умения, умения за решаване на проблеми, комуникация, сътрудничество, адаптивност и поемане на отговорност, както и внимание към детайлите
- Способност за обясняване на технически концепции и бизнес последици на нетехническа аудитория, както и успешно преминаване на приложимите проверки на миналото
- Успешно преминаване на приложимите проверки на миналото
Придобивки
- Цялостен пакет от придобивки
- Структурирани възможности за обучение и учене в процеса на работа
- Хибриден модел на работа с индивидуална гъвкавост
- Приобщаваща и разнообразна работна среда
- Адаптации или улеснения при интервюта за хора с увреждания или други потребности
- Възможно е да се предлагат стимулиращи планове
- Допълнителни придобивки съгласно политиката на компанията и приложимите местни разпоредби