Gen je globální technologická společnost zaměřená na spotřebitele, která působí v oblasti kybernetické bezpečnosti, digitálního soukromí, ochrany identity a finančního zdraví. Prostřednictvím značek jako Norton, Avast, LifeLock a MoneyLion pomáhá lidem chránit jejich zařízení, identitu, osobní údaje a finance. Její produkty zahrnují detekci hrozeb, reakci na úniky dat, nástroje pro ochranu soukromí online, bankovní funkce a integrované finanční služby prostřednictvím Engine. Gen také investuje do bezpečnostních řešení využívajících umělou inteligenci a rozvíjí Gen AI Foundry, která se zaměřuje na budování důvěry v nové aplikace AI. Společnost poskytuje služby téměř 500 milionům uživatelů ve více než 150 zemích a má dvě hlavní sídla — v Praze a Tempe.
Seniorní manažer aplikovaného výzkumu AI — hybridní režim, Praha
Veďte aplikovaný výzkum AI ve společnosti Gen v oblasti jazykových modelů, učení s posilováním, počítačového vidění a souvisejících metod pro produkty kybernetické bezpečnosti. Řiďte výzkumné inženýry a převádějte modely z experimentů do produkce v globálním měřítku.
Popis
- Vést praktické iniciativy v oblasti aplikované AI zahrnující malé jazykové modely, učení s posilováním, agentní AI, počítačové vidění a klasické strojové učení
- Odpovídat za rozhodnutí týkající se architektury, modelování a uvedení do produkce
- Řídit, mentorovat a rozvíjet tým 3–5 výzkumných inženýrů prostřednictvím náboru, řízení výkonu, kariérního rozvoje a technického koučinku
- Udržovat tým sladěný, odstraňovat překážky a zaměřovat jej na měřitelné výsledky
- Vytvářet prototypy nových přístupů, zdokonalovat návrhy modelů a podporovat ladění trénovacích běhů na GPU clusterech
- Definovat a udržovat standardy kvality výzkumu a inženýrství
- Dohlížet na životní cyklus aplikované AI od definice problému a datové strategie přes trénování, dolaďování, vyhodnocování a nasazení až po pozorovatelnost a průběžné zlepšování
- Řídit dodávání modelů do produkce a spolupracovat s týmy Platform, MLOps a Product Engineering
- Převádět obchodní priority a priority bezpečnosti do plánu aplikované AI s jasným pořadím kroků
- Vysvětlovat kompromisy seniorním vedoucím pracovníkům a informovat o dodávkách, výkonu modelů a dopadu
- Budovat týmové postupy pro sledování experimentů, vyhodnocování modelů, reprodukovatelnost, revize kódu a odpovědnou AI
- Účastnit se pohovorů s hiring manažerem, AI Research Lab, Product, zainteresovanými stranami a vedením
Požadavky
- Magisterský nebo doktorský titul v oboru informatiky, strojového učení, matematiky nebo příbuzném kvantitativním oboru, případně odpovídající praktické zkušenosti prokazující hluboké znalosti deep learningu
- Nejméně 5 let praktických zkušeností s tvorbou a nasazováním produkčních systémů strojového a deep learningu
- 2–3+ roky zkušeností s vedením nebo řízením malého týmu ML inženýrů či výzkumných inženýrů, včetně technického směřování, dodávek, náboru a rozvoje lidí v několika oblastech aplikované AI
- Hluboká praktická odbornost v několika oblastech aplikované AI včetně malých jazykových modelů založených na transformerech, učení s posilováním, například variant PPO, DQN a Actor-Critic, agentních systémů LLM nebo systémů LLM využívajících nástroje, počítačového vidění či klasického strojového učení
- Schopnost přiřadit každému problému vhodný technický přístup
- Pokročilá znalost Pythonu a PyTorch; zkušenost s JAX nebo TensorFlow je výhodou
- Zkušenost s trénováním a dolaďováním modelů na multi-GPU clusterech s využitím DeepSpeed, FSDP nebo Hugging Face Accelerate
- Silné základy lineární algebry, optimalizace, pravděpodobnosti a statistiky
- Schopnost interpretovat, posuzovat a implementovat metody z nejnovějších odborných publikací
- Prokazatelný úspěch při uvádění modelů AI do produkce včetně datových pipeline, nástrojů pro vyhodnocování, kvantizace nebo komprese, optimalizace inference, kontejnerů, Kubernetes, cloudových platforem a monitorování po nasazení
- Zkušenost s nástroji MLOps a pro správu experimentů, jako jsou Weights & Biases, MLflow nebo srovnatelné platformy
- Zkušenost s CI/CD, revizemi kódu a postupy pozorovatelnosti
- Schopnost vést malý technický tým nastavováním směru, vedením schůzek 1:1, poskytováním zpětné vazby, náborem inženýrů a převáděním nejednoznačných obchodních problémů na nasaditelné systémy AI
- Plynulá znalost angličtiny
- Praktický přístup k technickému vedení a ochota zůstat blízko kódu, modelům a produkčním systémům
- Přístup player-coach
- Silné zaměření na dodávání, nasazování a měření modelů v produkci
- Dobrý úsudek při posuzování příležitostí pro aplikovanou AI
- Jasné komunikační dovednosti pro převádění složitých konceptů ML do rozhodnutí a kompromisů
- Schopnost efektivně pracovat v rychlém, nejednoznačném a technologicky vyspělém prostředí při zvládání složitých mezifunkčních výzev
- Publikace na předních konferencích ML, zkušenosti s kybernetickou bezpečností, soukromím nebo identitou a odbornost v JAX či TensorFlow jsou výhodou
Benefity
- Flexibilní pracovní režim
- Placené volno
- Konkurenceschopné odměňování
- Zaměstnanecké benefity
- Programy podpory well-beingu
- Podpora, zdroje a nástroje pro vysoký výkon a kariérní rozvoj