Gen היא חברת טכנולוגיה גלובלית לצרכנים, הפועלת בתחומי אבטחת הסייבר, הפרטיות הדיגיטלית, הגנת הזהות והרווחה הפיננסית. באמצעות מותגים כמו Norton, Avast, LifeLock ו-MoneyLion, היא מסייעת לאנשים להגן על המכשירים, הזהויות, המידע האישי והכספים שלהם. מוצרי החברה כוללים זיהוי איומים, תגובה לדליפות מידע, כלים לפרטיות מקוונת, תכונות בנקאיות ושירותי מימון משובצים באמצעות Engine. Gen משקיעה גם באבטחה מבוססת בינה מלאכותית וב-Gen AI Foundry שלה, המתמקדת בבניית אמון ביישומי בינה מלאכותית מתפתחים. החברה משרתת כמעט 500 מיליון משתמשים ביותר מ-150 מדינות, ומשרדיה הראשיים נמצאים בפראג ובטמפה.
מנהל בכיר למחקר בינה מלאכותית יישומית - פראג במתכונת היברידית
הובלת מחקר בינה מלאכותית יישומית ב-Gen בתחומי מודלי שפה, למידת חיזוק, ראייה ממוחשבת ושיטות קשורות עבור מוצרי סייבר. ניהול מהנדסי מחקר והעברת מודלים מניסויים לייצור בקנה מידה גלובלי.
תיאור
- הובלת יוזמות מעשיות בבינה מלאכותית יישומית, הכוללות מודלי שפה קטנים, למידת חיזוק, בינה מלאכותית מבוססת סוכנים, ראייה ממוחשבת ולמידת מכונה קלאסית
- אחריות על החלטות ארכיטקטורה, מידול והעברה לייצור
- ניהול, חניכה ופיתוח של צוות בן 3–5 מהנדסי מחקר באמצעות גיוס, ניהול ביצועים, פיתוח קריירה והדרכה טכנית
- שמירה על תיאום הצוות, הסרת חסמים ומיקוד בתוצאות מדידות
- בניית אבות טיפוס לגישות חדשות, שיפור תכנוני מודלים ותמיכה באיתור תקלות בהרצות אימון על אשכולות GPU
- הגדרה ותחזוקה של תקני איכות למחקר ולהנדסה
- פיקוח על מחזור החיים של בינה מלאכותית יישומית, מהגדרת הבעיה ואסטרטגיית הנתונים ועד אימון, כוונון עדין, הערכה, פריסה, יכולת תצפית ושיפור מתמשך
- הובלת מסירת מודלים לייצור ושיתוף פעולה עם צוותי הפלטפורמה, MLOps והנדסת המוצר
- תרגום סדרי עדיפויות עסקיים ואבטחתיים למפת דרכים של בינה מלאכותית יישומית עם סדרי עדיפויות ברורים
- הסברת פשרות להנהלה הבכירה ודיווח על מסירה, ביצועי מודלים והשפעה
- בניית שיטות עבודה צוותיות סביב מעקב אחר ניסויים, הערכת מודלים, שחזוריות, סקירת קוד ובינה מלאכותית אחראית
- השתתפות בריאיונות עם מנהל הגיוס, מעבדת מחקר הבינה המלאכותית, המוצר, בעלי העניין וההנהלה
דרישות
- תואר שני או דוקטורט במדעי המחשב, למידת מכונה, מתמטיקה או תחום כמותי קשור, או ניסיון מעשי שקול המוכיח מומחיות בלמידה עמוקה
- לפחות 5 שנות ניסיון מעשי בבנייה ובפריסה של מערכות למידת מכונה ולמידה עמוקה בסביבת ייצור
- ניסיון של 2–3 שנים לפחות בהובלה או בניהול של צוות קטן של מהנדסי למידת מכונה או מחקר, כולל הכוונה טכנית, מסירה, גיוס ופיתוח עובדים במספר תחומי בינה מלאכותית יישומית
- מומחיות מעשית עמוקה בכמה תחומי בינה מלאכותית יישומית, כולל מודלי שפה קטנים מבוססי טרנספורמרים, למידת חיזוק כגון PPO, DQN וגרסאות Actor-Critic, מערכות LLM מבוססות סוכנים או משתמשות בכלים, ראייה ממוחשבת או למידת מכונה קלאסית
- יכולת להתאים לכל בעיה גישה טכנית הולמת
- שליטה מעולה ב-Python וב-PyTorch; ניסיון ב-JAX או TensorFlow הוא יתרון
- ניסיון באימון ובכוונון עדין של מודלים על אשכולות מרובי-GPU באמצעות DeepSpeed, FSDP או Hugging Face Accelerate
- בסיס חזק באלגברה לינארית, אופטימיזציה, הסתברות וסטטיסטיקה
- יכולת לפרש, להעריך וליישם שיטות ממאמרי מחקר עדכניים
- הצלחה מוכחת בהבאת מודלי בינה מלאכותית לייצור, כולל צינורות נתונים, תשתיות הערכה, קוונטיזציה או דחיסה, אופטימיזציה של הסקה, קונטיינרים, Kubernetes, פלטפורמות ענן וניטור לאחר פריסה
- ניסיון בכלי MLOps ובכלים לניהול ניסויים כגון Weights & Biases, MLflow או פלטפורמות מקבילות
- ניסיון ב-CI/CD, סקירת קוד ושיטות תצפית
- יכולת להוביל צוות טכני קטן באמצעות קביעת כיוון, קיום פגישות אישיות, מתן משוב, גיוס מהנדסים והפיכת בעיות עסקיות עמומות למערכות בינה מלאכותית הניתנות לפריסה
- אנגלית ברמה שוטפת
- גישת מנהיגות טכנית מעשית ונכונות להישאר קרוב לקוד, למודלים ולמערכות הייצור
- מנטליות של שחקן-מאמן
- מיקוד חזק בשחרור, פריסה ומדידה של מודלים בייצור
- שיקול דעת נכון בהערכת הזדמנויות לבינה מלאכותית יישומית
- כישורי תקשורת ברורים לתרגום מושגי למידת מכונה מורכבים להחלטות ולפשרות
- יכולת לעבוד ביעילות בסביבה מהירה, עמומה וטכנולוגית מאוד תוך ניהול אתגרים מורכבים בין-תפקודיים
- פרסומים בכנסים מובילים בתחום למידת המכונה, ניסיון בסייבר, פרטיות או זהות, ומומחיות ב-JAX או TensorFlow הם יתרונות רצויים
הטבות
- סידורי עבודה גמישים
- חופשה בתשלום
- תגמול תחרותי
- הטבות לעובדים
- תוכניות רווחה
- תמיכה, משאבים וכלים לביצועים גבוהים ולפיתוח קריירה