Capital One es una empresa de servicios financieros y tecnología financiera que ofrece tarjetas de crédito, préstamos para automóviles y productos bancarios y de ahorro. Su trabajo combina la experiencia financiera con la tecnología y las herramientas digitales para mejorar la forma en que los clientes administran su dinero. La empresa centra sus oportunidades profesionales en desarrollar soluciones orientadas al cliente dentro de una plantilla diversa e inclusiva.
Ingeniero de aprendizaje automático presencial en Capital One
Construye y opera sistemas de aprendizaje automático en producción en Capital One. Trabaja con modelos, infraestructura en la nube, canalizaciones de datos y aplicaciones de IA responsable.
Descripción
- Construir y entregar modelos y componentes de aprendizaje automático que aborden necesidades empresariales prácticas
- Colaborar con los equipos de Producto y Ciencia de Datos durante todo el desarrollo
- Orientar las decisiones de infraestructura de aprendizaje automático mediante métodos de modelado, selección de datos y características, entrenamiento, ajuste, reducción de dimensionalidad, análisis del sesgo y la varianza, y validación
- Desarrollar y probar código de aplicaciones, validar modelos de aprendizaje automático y automatizar los flujos de trabajo de pruebas y despliegue
- Trabajar con equipos Agile multifuncionales para crear y mejorar aplicaciones de big data y aprendizaje automático
- Volver a entrenar, mantener y supervisar modelos en producción
- Utilizar o crear arquitecturas, plataformas y tecnologías en la nube para entregar modelos de aprendizaje automático eficientes a escala
- Crear canalizaciones de datos optimizadas que suministren datos a los modelos de aprendizaje automático
- Implementar prácticas de integración y entrega continuas con pruebas y supervisión automatizadas
- Mantener código que limite las vulnerabilidades y respalde la gobernanza de modelos y una IA responsable y explicable
- Programar con lenguajes como Python, Scala o Java
Requisitos
- Título universitario de grado o superior en ciencias de la computación, aprendizaje automático o una disciplina cuantitativa relacionada
- Al menos cuatro años de experiencia en programación con Python, Java, Golang o C++
- Al menos cuatro años de experiencia en aprendizaje automático con PyTorch o TensorFlow y bibliotecas como Pandas, NumPy y Scikit-learn
- Al menos cuatro años de experiencia utilizando y operando sistemas distribuidos a gran escala, incluidos Spark o Ray, para preparar datos de IA o aprendizaje automático
- Al menos dos años de experiencia desplegando y operando soluciones de aprendizaje automático en producción, junto con servicios de nube en producción en AWS, GCP o Azure
- Al menos dos años de experiencia utilizando Kubernetes para gestionar sistemas de software de aprendizaje automático contenerizados a gran escala
- No se ofrece patrocinio para nuevas autorizaciones de empleo ni asistencia relacionada con inmigración
- Preferiblemente, título de maestría o doctorado en ciencias de la computación, ingeniería eléctrica, matemáticas o un campo relacionado
- Preferiblemente, tres o más años optimizando algoritmos, configuraciones e infraestructura de aprendizaje automático
- Preferiblemente, tres o más años aplicando prácticas de desarrollo de software como control de versiones, pruebas, revisiones de código y CI/CD
- Preferiblemente, tres o más años creando software resiliente con pruebas previas a producción, métodos avanzados de despliegue, supervisión, alarmas y planificación de respuesta a incidentes
- Preferiblemente, tres o más años trabajando con técnicas de aprendizaje automático, tipos de modelos, arquitecturas, conceptos de entrenamiento y métodos de evaluación
- Preferiblemente, tres o más años diseñando, implementando y escalando canalizaciones de datos listas para producción para entrenar y evaluar modelos de aprendizaje automático
- Preferiblemente, uno o más años ejerciendo como líder técnico de soluciones de aprendizaje automático
- Preferiblemente, autoría o coautoría de un artículo sobre una técnica, modelo o prueba de concepto de aprendizaje automático
Beneficios
- La compensación de incentivos basada en el desempeño puede incluir bonificaciones en efectivo o incentivos a largo plazo
- Beneficios integrales, competitivos e inclusivos de salud, financieros y de otro tipo, diseñados para apoyar el bienestar general
- Empleador que ofrece igualdad de oportunidades y está comprometido con la no discriminación
- Se ofrecen adaptaciones razonables a los solicitantes que las necesiten