A Capital One pénzügyi szolgáltatásokat és fintechmegoldásokat kínáló vállalat, amely hitelkártyákkal, autóhitelekkel, banki szolgáltatásokkal és megtakarítási termékekkel foglalkozik. Munkája a pénzügyi szakértelmet technológiával és digitális eszközökkel ötvözi annak érdekében, hogy javítsa ügyfelei pénzkezelését. A vállalat karrierlehetőségeinek középpontjában ügyfélközpontú megoldások fejlesztése áll egy sokszínű és befogadó munkaerő keretében.
Senior gépi tanulási mérnök San Joséban, irodai munkavégzéssel
A Capital One-nál éles gépi tanulási modelleket, adatfeldolgozási folyamatokat és felhőinfrastruktúrát épít és üzemeltet. Skálázható, szabályozott és magyarázható gépi tanulási megoldásokkal segíti a mesterségesintelligencia-képességek fejlesztését.
Leírás
- Gépi tanulási modelleket és komponenseket tervez, épít és szállít gyakorlati üzleti alkalmazásokhoz
- Együttműködik a termék- és adattudományi csapatokkal
- Modellezési módszerek, adatok, jellemzőválasztás, tanítás, hangolás, dimenzionalitás, torzítás és variancia, valamint validáció alkalmazásával irányt mutat a gépi tanulási infrastruktúrával kapcsolatos döntésekben
- Alkalmazáskódot ír és tesztel
- Gépi tanulási modelleket fejleszt és validál
- Automatizálja a tesztelési és telepítési munkafolyamatokat
- Keresztfunkcionális Agile csapattal dolgozik nagy adathalmazokat és gépi tanulási alkalmazásokat fejlesztve és javítva
- Újratanítja, karbantartja és figyeli az éles környezetben futó modelleket
- Felhőarchitektúrákat, technológiákat és platformokat használ vagy fejleszt az optimalizált gépi tanulási modellek nagy léptékű szállításához
- Optimalizált adatfeldolgozási folyamatokat épít, amelyek ellátják a gépi tanulási modelleket
- Folyamatos integrációs és folyamatos szállítási gyakorlatokat alkalmaz, beleértve az automatizált tesztelést és monitorozást
- Fenntartja a fegyelmezett kódkezelést, a modellkockázat-irányítást, valamint a felelős és magyarázható mesterségesintelligencia-gyakorlatokat
- Olyan nyelveken programoz, mint a Python, a Scala vagy a Java
Követelmények
- Informatikai, gépi tanulási vagy kapcsolódó kvantitatív területen szerzett alapképzéses vagy magasabb szintű végzettség
- Legalább négy év programozási tapasztalat Python, Java, Golang vagy C++ használatával
- Legalább négy év gépi tanulási tapasztalat a PyTorch vagy TensorFlow, Pandas, NumPy és Scikit-learn használatával
- Legalább négy év tapasztalat olyan nagyléptékű elosztott rendszerek használatában és üzemeltetésében, mint a Spark és a Ray, AI/ML-adatok előkészítéséhez
- Legalább két év tapasztalat gépi tanulási megoldások éles környezetbe történő telepítésében és üzemeltetésében
- Legalább két év tapasztalat éles szolgáltatások felhőben, AWS, GCP vagy Azure használatával történő futtatásában
- Legalább két év tapasztalat Kubernetes használatában nagyléptékű konténerizált gépi tanulási szoftverrendszerek kezelésére
- Új munkaviszonyhoz munkavállalási engedélyhez kapcsolódó szponzoráció és bevándorlással kapcsolatos támogatás nem érhető el
- Előny: számítástechnikai, villamosmérnöki, matematikai vagy kapcsolódó területen szerzett mester- vagy doktori fokozat
- Előny: legalább három év tapasztalat gépi tanulási algoritmusok, konfigurációk és infrastruktúra optimalizálásában
- Előny: legalább három év tapasztalat olyan szoftverfejlesztési gyakorlatok alkalmazásában, mint a forráskódkezelés, a tesztelés, a kódellenőrzés és a CI/CD
- Előny: legalább három év tapasztalat ellenálló szoftverek építésében élesítés előtti teszteléssel, fejlett telepítési módszerekkel, monitorozással, riasztásokkal és incidenskezelési tervekkel
- Előny: legalább három év tapasztalat gépi tanulási technikákkal, modelltípusokkal, architektúrákkal, tanítási koncepciókkal és modellértékeléssel való munkában
- Előny: legalább három év tapasztalat éles használatra kész adatfeldolgozási folyamatok tervezésében, megvalósításában és skálázásában ML-modellek tanításához és értékeléséhez
- Előny: legalább egy év tapasztalat ML-megoldások technikai vezetőjeként iparági gyakorlatok, minták és automatizálás használatával
- Előny: ML-technikáról, modellről vagy koncepcióbizonyításról szóló tanulmány szerzője vagy társszerzője
Juttatások
- A teljesítményalapú ösztönző juttatás készpénzbónuszokat és/vagy hosszú távú ösztönzőket is tartalmazhat
- Az átfogó, versenyképes és inkluzív egészségügyi, pénzügyi és egyéb juttatások támogatják az általános jóllétet
- Azoknak a jelentkezőknek, akiknek szükségük van rá, ésszerű alkalmazkodást biztosítanak