„Mimecast“ yra kibernetinio saugumo bendrovė, padedanti organizacijoms spręsti nuolatinių skaitmeninių grėsmių keliamas problemas, teikdama paslaugas, orientuotas į privatumą, atsparumą ir naudotojų patirtį. Daugiau nei 2 500 darbuotojų komanda dirba tarptautinėse rinkose, įskaitant Jungtines Amerikos Valstijas, Jungtinę Karalystę ir Australiją. Bendrovė daug dėmesio skiria kylančių rizikų numatymui, nuolatiniam apsaugos stiprinimui ir kultūrai, grindžiamai saugumo kompetencija bei nuolatiniu tobulėjimu.
Mašininio mokymosi inžinierius II – hibridinis darbas Kolumbe
Kurk mastelio keitimui pritaikytą mašininį mokymąsi, generatyvųjį DI ir tikralaikius duomenų konvejerius „Mimecast“ kibernetinio saugumo produktui „Incydr“, skirtam viešai neatskleistos informacijos rizikai valdyti. Vadovauk gamybiniams diegimams ir tarpdisciplininėms iniciatyvoms, kurios plečia klientams skirtas galimybes.
Aprašymas
- Tirti, projektuoti, kurti ir prižiūrėti pažangius mašininio mokymosi modelius
- Mokyti, vertinti ir tikslinti modelius atrankai, validavimui, tikslumui, delsai ir pralaidumui
- Rekomenduoti mastelio keitimo, modelių derinimo ir duomenų infrastruktūros konfigūravimo būdus
- Projektuoti ir įgyvendinti visus tikralaikių produktų duomenų ir mašininio mokymosi konvejerius
- Surinkti, išvalyti ir transformuoti neapdorotus duomenis atliekant požymių inžineriją
- Parengti mašininio mokymosi modelius gamybai ir integruoti juos į esamas sistemas
- Stebėti įdiegtų modelių veiksmingumą, pralaidumą ir delsą
- Padėti formuoti didelės apimties duomenų rinkinių programinės įrangos architektūrą
- Vadovauti mašininio mokymosi projektams nuo pradinės koncepcijos iki išleidimo į gamybą
- Mentoriauti jaunesniems kolegoms ir skatinti geriausią inžinerijos praktiką
- Bendradarbiauti su produktų, inžinerijos, rinkodaros, klientų sėkmės, pardavimų ir kitomis produktų kūrimo komandomis
- Kuriant tyrimus ir atliekant eksperimentus plėtoti klientams skirtas funkcijas ir prognozavimo modelius
- Žinių dalijimosi sesijose aiškinti sudėtingas technines sąvokas
- Valdyti, formuoti ir prioritetizuoti darbą su ribota priežiūra
- Kurti ryšius su suinteresuotosiomis šalimis ir remti bendradarbiavimu, įtrauktimi bei nuolatiniu tobulėjimu grindžiamą komandos kultūrą
- Naudoti DI kūrimo įrankius koncepcijoms tirti, sprendimams prototipuoti, duomenims interpretuoti ir eksperimentuoti su LLM bei agentinėmis sistemomis
Reikalavimai
- Kiekybinės srities daktaro arba magistro laipsnis ir bent ketverių metų patirtis taikant pažangųjį mašininį mokymąsi pramonės problemoms spręsti arba bakalauro laipsnis ir bent šešerių metų tiesiogiai susijusi patirtis
- Pažangūs programavimo įgūdžiai naudojant Python, C++, Java arba Kotlin
- Praktinė darbo su PyTorch, NLTK, spaCy, OpenCV, Tesseract ir Hugging Face patirtis
- Tiesinės algebros, stochastinio optimizavimo ir tikimybių teorijos išmanymas
- Statistinės išvados ir mašininio mokymosi metodų išmanymas, įskaitant prognozavimą, laiko eilučių analizę, hipotezių tikrinimą, anomalijų aptikimą, klasifikavimą ir regresiją
- Patirtis dirbant su didelės apimties duomenų rinkiniais, kuriuose yra daugiau nei du milijonai mokymo pavyzdžių ir labai nesubalansuoti duomenys
- AWS paslaugų, tokių kaip ECS, Kinesis, Lambda, S3, Glue, SageMaker, Bedrock, Athena, RDS ir Redshift, išmanymas
- Patirtis projektuojant ir diegiant mastelio keitimui pritaikytas generatyviojo DI paslaugas naudojant LangChain, LlamaIndex, n8n ir Spring AI
- Gebėjimas kurti ir prižiūrėti infrastruktūrą kaip kodą
- Patirtis naudojant versijų valdymo sistemas
- Jautrių duomenų tvarkymo pagal pagrindines paslaugų sutartis ir atitikties įsipareigojimus supratimas
- Puikūs analitiniai, problemų sprendimo, bendravimo, bendradarbiavimo ir prisitaikymo įgūdžiai, atsakomybės jausmas ir dėmesys detalėms
- Gebėjimas netechninei auditorijai paaiškinti technines sąvokas ir verslo pasekmes bei sėkmingai atlikti taikomus asmens patikrinimus
- Sėkmingai atlikti taikomus asmens patikrinimus
Privalumai
- Išsamus naudų paketas
- Struktūruotos mokymosi ir mokymosi darbo vietoje galimybės
- Hibridinis darbo modelis su individualiu lankstumu
- Įtrauki ir įvairi darbo aplinka
- Pokalbio pritaikymas ar sąlygos dėl negalios ar kitų poreikių
- Gali būti taikomi skatinimo planai
- Papildomos naudos teikiamos pagal įmonės politiką ir taikomus vietos teisės aktus