Gen er en global forbrugerteknologivirksomhed, der arbejder med cybersikkerhed, digitalt privatliv, identitetsbeskyttelse og økonomisk velvære. Gennem brands som Norton, Avast, LifeLock og MoneyLion hjælper virksomheden mennesker med at beskytte deres enheder, identiteter, personlige oplysninger og økonomi. Produkterne omfatter trusselsdetektion, håndtering af databrud, værktøjer til privatliv online, bankfunktioner og indlejrede finansielle tjenester gennem Engine. Gen investerer også i AI-drevet sikkerhed og sit Gen AI Foundry, der fokuserer på at skabe tillid til nye AI-applikationer. Virksomheden betjener næsten 500 millioner brugere i mere end 150 lande og har to hovedkontorer i Prag og Tempe.
Seniorchef, anvendt AI-forskning – Prag hybrid
Led anvendt AI-forskning hos Gen inden for sprogmodeller, reinforcement learning, computer vision og relaterede metoder til cybersikkerhedsprodukter. Led Research Engineers, og før modeller fra eksperimenter til produktion i global skala.
Beskrivelse
- Lede praktiske initiativer inden for anvendt AI, der omfatter små sprogmodeller, reinforcement learning, agentisk AI, computer vision og klassisk machine learning
- Have ansvar for beslutninger om arkitektur, modellering og produktionssætning
- Lede, vejlede og udvikle et team på 3–5 Research Engineers gennem rekruttering, performanceledelse, karriereudvikling og teknisk coaching
- Holde teamet afstemt, fjerne blokeringer og fokusere på målbare resultater
- Prototypere nye metoder, forfine modeldesign og understøtte fejlfinding af træningskørsler på GPU-klynger
- Definere og opretholde kvalitetsstandarder for forskning og engineering
- Overvåge hele livscyklussen for anvendt AI fra problemdefinition og datastrategi til træning, finjustering, evaluering, deployment, observability og løbende forbedring
- Drive produktionssætning af modeller og samarbejde med Platform-, MLOps- og Product Engineering-teams
- Omsætte forretnings- og sikkerhedsprioriteter til en anvendt AI-roadmap med tydelig rækkefølge
- Forklare afvejninger for seniorledere og rapportere om leverancer, modelperformance og effekt
- Opbygge teampraksis omkring eksperimentsporing, modelevaluering, reproducerbarhed, code review og ansvarlig AI
- Deltage i interviews med Hiring Manager, AI Research Lab, Product, interessenter og ledelse
Krav
- Kandidatgrad eller ph.d. i datalogi, machine learning, matematik eller en relateret kvantitativ disciplin, eller tilsvarende praktisk erfaring, der dokumenterer dyb ekspertise i deep learning
- Mindst 5 års praktisk erfaring med at bygge og implementere machine learning- og deep learning-systemer i produktion
- 2–3+ års erfaring med at lede eller have personaleansvar for et mindre team af ML- eller Research Engineers, herunder teknisk retning, leverancer, rekruttering og medarbejderudvikling på tværs af flere områder inden for anvendt AI
- Dyb praktisk ekspertise inden for flere områder af anvendt AI, herunder transformerbaserede små sprogmodeller, reinforcement learning som PPO, DQN og Actor-Critic-varianter, agentiske eller værktøjsanvendende LLM-systemer, computer vision eller klassisk machine learning
- Evne til at matche hvert problem med en passende teknisk tilgang
- Stærke Python- og PyTorch-kompetencer; erfaring med JAX eller TensorFlow er en fordel
- Erfaring med at træne og finjustere modeller på multi-GPU-klynger med DeepSpeed, FSDP eller Hugging Face Accelerate
- Stærkt fundament i lineær algebra, optimering, sandsynlighed og statistik
- Evne til at fortolke, vurdere og implementere metoder fra nyere forskningsartikler
- Dokumenteret succes med at bringe AI-modeller i produktion, herunder datapipelines, evalueringsrammer, kvantisering eller komprimering, inferensoptimering, containere, Kubernetes, cloudplatforme og overvågning efter deployment
- Erfaring med MLOps- og eksperimentsstyringsværktøjer som Weights & Biases, MLflow eller sammenlignelige platforme
- Erfaring med CI/CD, code review og observability-praksis
- Evne til at lede et mindre teknisk team ved at sætte retning, afholde 1:1-samtaler, give feedback, rekruttere ingeniører og omsætte uklare forretningsproblemer til deployerbare AI-systemer
- Flydende engelsk
- Praktisk teknisk ledelsesstil med vilje til at forblive tæt på kode, modeller og produktionssystemer
- Player-coach-mentalitet
- Stærkt fokus på at levere, implementere og måle modeller i produktion
- God dømmekraft ved vurdering af muligheder inden for anvendt AI
- Tydelige kommunikationsevner til at omsætte komplekse ML-koncepter til beslutninger og afvejninger
- Evne til at arbejde effektivt i et hurtigt, tvetydigt og højteknologisk miljø, samtidig med at komplekse tværfunktionelle udfordringer håndteres
- Publikationer på førende ML-konferencer, erfaring med cybersikkerhed, privatliv eller identitet samt ekspertise i JAX eller TensorFlow er ønskeligt
Fordele
- Fleksible arbejdsordninger
- Betalt frihed
- Konkurrencedygtig kompensation
- Medarbejderfordele
- Trivselsprogrammer
- Støtte, ressourcer og værktøjer til gode resultater og karriereudvikling