Ang Citi ay isang pandaigdigang kompanya ng pagbabangko at serbisyong pinansyal na naglilingkod sa mga mamimili, korporasyon, pamahalaan, at institusyon. Kabilang sa mga alok nito ang consumer banking, mga credit card, pamamahala ng yaman, corporate banking, at investment banking, na sinusuportahan ng mga operasyon sa mahigit 100 bansa. Bilang isang malaking pandaigdigang organisasyong pinansyal, pinagbubuklod ng Citi ang mga pangkat na nagtatrabaho sa pagbabangko, serbisyong pinansyal, at teknolohiyang pinansyal.
Senior Lead na Inhinyero sa Python AI at Machine Learning
Pangunahan ang pagdidisenyo at paghahatid ng mga nasusukat na generative AI at predictive machine learning system para sa pag-iwas sa pandaraya sa retail banking ng Citi sa US. Paunlarin ang mga gawi sa MLOps at gabayan ang mga pangkat ng engineering.
Paglalarawan
- Gabayan ang pagbuo at paglulunsad ng mga makabagong produkto ng AI at machine learning.
- Idisenyo ang mga generative AI solution para sa produksyon, mula sa retrieval-augmented generation at mga autonomous agent hanggang sa semantic search at mga multimodal workflow.
- I-tune ang Google Gemini, Anthropic Claude, at mga open-source language model para sa bilis, gastos, at kalidad.
- Bumuo ng mga framework para sa prompt engineering, pipeline ng fine-tuning ng modelo, benchmark ng pagsusuri, at mga kontrol sa kaligtasan.
- Itakda ang arkitektura ng predictive ML para sa pagtukoy ng anomalya, graph neural network, at supervised at unsupervised na klasipikasyon.
- Bumuo ng maaasahan, mabilis, at pahalang na nasusukat na mga serbisyo at API sa Python.
- Ikonekta ang mga vector database, distributed cache, at system para sa event streaming.
- Magtatag ng mga workflow ng MLOps at LLMOps para sa CI/CD, awtomatikong muling pagsasanay, observability, at pagtukoy ng drift.
- Lumikha ng mga kakayahan ng AI para matukoy ang pagnanakaw ng pagkakakilanlan, pagkuha ng kontrol sa account, sintetikong pagkakakilanlan, pandaraya sa card na wala ang pisikal na card, at mga di-pangkaraniwang transaksyon.
- Gamitin ang generative AI para pabilisin ang pag-uuri ng mga kaso ng pandaraya at ibuod ang mga imbestigasyon mula sa di-istrukturadong impormasyon.
- Panatilihin ang pagsunod sa mga regulasyon sa pagbabangko ng US.
- Gabayan ang mga data scientist at software engineer sa engineering hub sa Chennai.
- Itakda ang teknikal na roadmap, suriin ang mga framework ng AI, magsagawa ng mga proof of concept, at magharap ng mga panukalang arkitektura sa mga pandaigdigang pinuno ng engineering.
- Pagbutihin ang pagtukoy ng pandaraya, mga false positive, bilis ng inference, kalidad ng code, saklaw ng pagsusuri, at kahusayan ng mga imbestigador.
Mga Kinakailangan
- May bachelor's o master's degree sa computer science, data science, artificial intelligence, applied mathematics, o kaugnay na disiplinang kwantitatibo.
- May 10–12 taong propesyonal na karanasan sa software engineering, kabilang ang pagbuo ng mga production AI at ML system.
- May advanced na kasanayan sa Python 3.x, kabilang ang multiprocessing o asyncio, mga design pattern, profiling, packaging, at malinis na paraan ng pag-code.
- May malawak na praktikal na karanasan sa PyTorch, TensorFlow, Scikit-learn, XGBoost, at LightGBM.
- May napatunayang karanasan sa pagbuo ng mga generative AI application para sa produksyon gamit ang mga tool gaya ng LangChain, LlamaIndex, CrewAI, o AutoGen.
- May praktikal na kaalaman sa mga embedding model, dense retrieval, reranking, at mga paraan ng vector indexing.
- May hands-on na karanasan sa AWS, GCP, o Azure, gayundin sa Docker, Kubernetes, at PySpark o Ray.
- Nakapaghatid na ng end-to-end na lifecycle ng ML, mula sa pagpapatunay ng datos hanggang sa pagsubaybay sa real-time na inference.
- Nakapag-integrate na ng mga API ng Google Gemini at Anthropic Claude, kabilang ang tool o function calling, context caching, at pag-optimize ng prompt.
- Mas pinipili ang karanasan sa mga fraud rule engine, platform para sa pagtukoy ng anomalya, o predictive risk model.
- Mas pinipili ang kaalaman sa transaction monitoring, behavioral biometrics, at mga dataset ng fraud consortium.
- Lubos na bihasa sa Python, SQL, at Bash.
- May karanasan sa mga vector database, backend API, data streaming, MLOps, DevOps, explainable AI, at pagtatakip ng personally identifiable information.
- Kayang tumugon sa mga kinakailangan ng regulasyon sa pagbabangko ng US, kabilang ang FCRA, GLBA, SR 11-7, patas na pagpapautang, at mga pamantayan para sa explainable AI.
Mga Benepisyo
- Hybrid na kaayusan sa trabaho.
- Employer na nagbibigay ng pantay na oportunidad.
- May makatwirang akomodasyon para sa mga taong may kapansanan.