NatWest Group
NatWest Group
A NatWest Group egy Egyesült Királyságban működő banki és pénzügyi szolgáltató szervezet, amely lakossági, kereskedelmi és intézményi ügyfeleket szolgál ki. Tevékenysége a banki szolgáltatások, a pénzügyek és a fintech területére terjed ki; szolgáltatásai közé tartozik a kereskedelmi banki szolgáltatás, a vagyonkezelés és a kockázatkezelés. A csoport emellett kiemeli az ügyfelekkel és közösségekkel ápolt kapcsolatait, valamint a banki és technológiai fókuszú csapataiban karriert építő munkatársak számára kínált lehetőségeket.

A gépi tanulási mérnöki terület alelnöke a NatWest Groupnál, Bengaluru

Éles környezetben használható generatív MI-, ágensalapú MI- és gépi tanulási megoldásokat fejleszt. Biztonságos, skálázható rendszereket szállít MLOps, felhőmérnöki megoldások és adatfolyamatok segítségével.

Leírás

  • Generatív MI-vel és hagyományos gépi tanulási módszerekkel megvalósuló MI- és gépi tanulási megoldások tervezését és bevezetését irányítja.
  • Műszaki szakértőként éles üzemre kész gépi tanulási és MI-rendszereket épít és helyez üzembe.
  • Elősegíti a magas színvonalú mérnöki gyakorlatok alkalmazását a csapatban.
  • Adattudósokkal együttműködve alakítja át az üzleti igényeket skálázható gépi tanulási és MI-megoldásokká.
  • Adattudósokkal, mérnökökkel, rendszertervezőkkel és üzleti érdekelt felekkel dolgozik együtt biztonságos, megbízható termékek szállításán.
  • Lehetőségeket keres a gépi tanulási és MI-platformok, eszközök, valamint a szállítási képességek fejlesztésére.
  • Éles üzemben működő gépi tanulási, generatív MI- és ágensalapú MI-megoldásokat épít, helyez üzembe és tart karban.
  • Kialakítja a gépi tanulási mérnöki és MLOps-gyakorlatokat, többek között a CI/CD-t, az automatizált tesztelést, a modellek felügyeletét és megfigyelhetőségét.
  • Skálázható adatfolyamatokat, jellemzőmérnöki munkafolyamatokat és újrafelhasználható platformkomponenseket hoz létre.
  • Agilis, több szakterületet összefogó csapatokban vesz részt az iteratív szállításban és a folyamatos fejlesztésben.
  • A szoftverek és modellek teljes életciklusa során megfelel a mérnöki, biztonsági, irányítási, kockázatkezelési és szabályozási követelményeknek.
  • Mentorálja kollégáit, és műszaki vezetést biztosít.

Követelmények

  • Tapasztalat éles környezetben használt gépi tanulási és MI-megoldások tervezésében, fejlesztésében és támogatásában, korszerű mérnöki környezetben.
  • Előnyt jelent kvantitatív, mérnöki vagy informatikai területen szerzett alap- vagy mesterdiploma, illetve azzal egyenértékű gyakorlati tapasztalat.
  • Erős szoftvermérnöki háttér, beleértve a felhőnatív fejlesztést, az adatmérnöki munkát és a gépi tanulási műveleteket.
  • Képesség műszaki vezetés biztosítására, a mérnöki szabványok betartására és mások mentorálására.
  • Képesség a munka önálló irányítására, a kezdeményezésre és a proaktív cselekvésre.
  • Bizonyított eredmények összetett gépi tanulási és MI-megoldások éles környezetbe juttatásában.
  • Képesség a műszaki fogalmak érthető elmagyarázására műszaki és nem műszaki közönség számára egyaránt.
  • Erős szoftvermérnöki készségek, beleértve az objektumorientált programozást, az API-fejlesztést, a tesztelési keretrendszerek, a verziókezelés és a korszerű fejlesztési gyakorlatok ismeretét.
  • Tapasztalat generatív MI- és ágensalapú MI-megoldások fejlesztésében, üzembe helyezésében és támogatásában, beleértve az összehangolási keretrendszereket, az értékelési módszereket és az üzemi felügyeletet.
  • Tapasztalat hagyományos gépi tanulási módszerekkel.
  • MLOps-szakértelem, beleértve a modellek üzembe helyezését, a CI/CD-t, az infrastruktúra kódként való kezelését, a megfigyelhetőséget, a modellek felügyeletét és a teljesítmény optimalizálását.
  • Docker- és Kubernetes-ismeret.
  • Tapasztalat az AWS, a Python, az SQL és az elosztott adatfeldolgozási technológiák használatában.
  • Erős szóbeli és írásbeli kommunikációs készség.
  • További hasznos tapasztalat lehet az RAG, a szemantikus keresés, a vektoradatbázisok, a tudásgráfok, a visszakeresés optimalizálása, az MCP, az eszközhívási integrációk, az LLM-ek értékelése, a megfigyelhetőség és az éles üzemi felügyelet.