„Capital One“ yra finansinių paslaugų ir finansinių technologijų įmonė, siūlanti kredito korteles, paskolas automobiliams, bankininkystės ir taupymo produktus. Jos veikloje finansinė patirtis derinama su technologijomis ir skaitmeniniais įrankiais, kad klientams būtų lengviau valdyti savo pinigus. Įmonės karjeros srityje daugiausia dėmesio skiriama į klientus orientuotų sprendimų kūrimui įvairioje ir įtraukioje darbo aplinkoje.
Capital One mašininio mokymosi inžinierius biure
Kurkite ir eksploatuokite gamybines mašininio mokymosi sistemas bendrovėje „Capital One“. Dirbsite su modeliais, debesijos infrastruktūra, duomenų konvejeriais ir atsakingo dirbtinio intelekto taikymais.
Aprašymas
- Kurkite ir diekite mašininio mokymosi modelius bei komponentus, sprendžiančius praktinius verslo poreikius
- Viso kūrimo proceso metu bendradarbiaukite su produktų ir duomenų mokslo komandomis
- Kreipkite ML infrastruktūros pasirinkimus, taikydami modeliavimo metodus, duomenų ir požymių atranką, mokymą, derinimą, dimensijų mažinimą, poslinkio ir dispersijos analizę bei validavimą
- Kurkite ir testuokite taikomųjų programų kodą, validuokite ML modelius ir automatizuokite testavimo bei diegimo darbo eigą
- Dirbkite tarpdisciplininėse „Agile“ komandose kurdami ir tobulindami didžiųjų duomenų bei mašininio mokymosi taikomąsias programas
- Iš naujo apmokykite, prižiūrėkite ir stebėkite gamyboje veikiančius modelius
- Naudokite arba kurkite debesijos architektūras, platformas ir technologijas, kad dideliu mastu užtikrintumėte efektyvius ML modelius
- Kurkite optimizuotus duomenų konvejerius, tiekiančius duomenis mašininio mokymosi modeliams
- Įgyvendinkite nuolatinės integracijos ir pristatymo praktiką, naudodami automatizuotą testavimą ir stebėseną
- Prižiūrėkite kodą, kuris riboja pažeidžiamumus ir palaiko modelių valdymą bei atsakingą, paaiškinamąjį dirbtinį intelektą
- Programuokite tokiomis kalbomis kaip Python, Scala ar Java
Reikalavimai
- Aukštojo universitetinio mokslo bakalauro arba aukštesnis laipsnis informatikos, mašininio mokymosi ar susijusioje kiekybinėje srityje
- Ne mažesnė kaip ketverių metų programavimo patirtis naudojant Python, Java, Golang arba C++
- Ne mažesnė kaip ketverių metų mašininio mokymosi patirtis naudojant PyTorch arba TensorFlow ir tokias bibliotekas kaip Pandas, NumPy bei Scikit-learn
- Ne mažesnė kaip ketverių metų patirtis naudojant ir eksploatuojant didelio masto paskirstytąsias sistemas, įskaitant Spark arba Ray, dirbtinio intelekto ar mašininio mokymosi duomenims parengti
- Ne mažesnė kaip dvejų metų patirtis diegiant ir eksploatuojant mašininio mokymosi sprendimus gamyboje bei naudojant AWS, GCP arba Azure gamybines debesijos paslaugas
- Ne mažesnė kaip dvejų metų patirtis naudojant Kubernetes didelio masto konteinerizuotoms mašininio mokymosi programinės įrangos sistemoms valdyti
- Naujo darbo leidimo rėmimas ir su imigracija susijusi pagalba neteikiami
- Privalumu laikomas magistro arba daktaro laipsnis informatikos, elektros inžinerijos, matematikos ar susijusioje srityje
- Privalumu laikoma ne mažesnė kaip trejų metų patirtis optimizuojant ML algoritmus, konfigūracijas ir infrastruktūrą
- Privalumu laikoma ne mažesnė kaip trejų metų patirtis taikant programinės įrangos kūrimo praktiką, pavyzdžiui, šaltinio kodo valdymą, testavimą, kodo peržiūras ir CI/CD
- Privalumu laikoma ne mažesnė kaip trejų metų patirtis kuriant atsparią programinę įrangą, atliekant priešgamybinį testavimą, taikant pažangius diegimo metodus, stebėseną, įspėjimus ir reagavimo į incidentus planavimą
- Privalumu laikoma ne mažesnė kaip trejų metų patirtis dirbant su mašininio mokymosi metodais, modelių tipais, architektūromis, mokymo koncepcijomis ir vertinimo metodais
- Privalumu laikoma ne mažesnė kaip trejų metų patirtis projektuojant, diegiant ir plečiant gamybai parengtus duomenų konvejerius ML modeliams mokyti ir vertinti
- Privalumu laikoma ne mažesnė kaip vienerių metų patirtis einant mašininio mokymosi sprendimų techninio vadovo pareigas
- Privalumu laikoma autorystė arba bendraautorystė straipsnio, kuriame nagrinėjama ML technika, modelis arba koncepcijos patvirtinimas
Privalumai
- Veiklos rezultatais pagrįstą skatinamąjį atlygį gali sudaryti piniginės premijos ir (arba) ilgalaikės paskatos
- Išsamios, konkurencingos ir įtraukios sveikatos, finansinės bei kitos naudos, skirtos bendrai gerovei palaikyti
- Lygių galimybių darbdavys, įsipareigojęs nediskriminuoti
- Kandidatams, kuriems jų reikia, teikiamos tinkamos pritaikymo priemonės