Citi to globalna firma z sektora bankowości i usług finansowych, obsługująca konsumentów, korporacje, rządy i instytucje. Jej oferta obejmuje bankowość konsumencką, karty kredytowe, zarządzanie majątkiem, bankowość korporacyjną i inwestycyjną, a działalność operacyjna prowadzona jest w ponad 100 krajach. Jako duża międzynarodowa organizacja finansowa Citi łączy zespoły pracujące w obszarach bankowości, usług finansowych i fintechu.
Starszy główny inżynier Python ds. AI i uczenia maszynowego
Kieruj projektowaniem i wdrażaniem skalowalnych rozwiązań generatywnej AI oraz predykcyjnego uczenia maszynowego, które pomagają zapobiegać oszustwom w bankowości detalicznej Citi w USA. Rozwijaj praktyki MLOps i wspieraj rozwój zespołów inżynierskich.
Opis
- Kieruj tworzeniem i wdrażaniem zaawansowanych produktów opartych na AI i uczeniu maszynowym.
- Projektuj gotowe do użycia rozwiązania generatywnej AI: od generowania wspomaganego wyszukiwaniem i autonomicznych agentów po wyszukiwanie semantyczne i przepływy multimodalne.
- Dostrajaj Google Gemini, Anthropic Claude i modele językowe open source pod kątem szybkości, kosztów i jakości.
- Opracowuj metody projektowania promptów, potoki dostrajania modeli, testy porównawcze oraz mechanizmy kontroli bezpieczeństwa.
- Wyznaczaj architekturę predykcyjnego uczenia maszynowego na potrzeby wykrywania anomalii, grafowych sieci neuronowych oraz klasyfikacji nadzorowanej i nienadzorowanej.
- Twórz niezawodne, szybkie i poziomo skalowalne usługi oraz interfejsy API w Pythonie.
- Integruj wektorowe bazy danych, rozproszone pamięci podręczne i systemy strumieniowego przesyłania zdarzeń.
- Wdrażaj procesy MLOps i LLMOps obejmujące CI/CD, automatyczne ponowne trenowanie, obserwowalność i wykrywanie dryfu modeli.
- Twórz funkcje AI wykrywające kradzież tożsamości, przejęcia kont, tożsamości syntetyczne, oszustwa przy transakcjach bez fizycznego użycia karty oraz nietypowe transakcje.
- Wykorzystuj generatywną AI do usprawniania wstępnej analizy przypadków oszustw i podsumowywania dochodzeń na podstawie nieustrukturyzowanych informacji.
- Dbaj o zgodność z amerykańskimi regulacjami bankowymi.
- Wspieraj rozwój naukowców zajmujących się danymi i inżynierów oprogramowania w centrum inżynieryjnym w Chennai.
- Wyznaczaj mapę rozwoju technicznego, oceniaj frameworki AI, przeprowadzaj weryfikacje koncepcji i przedstawiaj propozycje architektury globalnym liderom inżynierii.
- Poprawiaj wykrywanie oszustw, ograniczaj odsetek fałszywych alarmów i czas inferencji, podnoś jakość kodu, pokrycie testami oraz efektywność pracy osób prowadzących dochodzenia.
Wymagania
- Mieć tytuł licencjata lub magistra w dziedzinie informatyki, nauki o danych, sztucznej inteligencji, matematyki stosowanej lub pokrewnej dyscypliny ilościowej.
- Mieć 10–12 lat doświadczenia zawodowego w inżynierii oprogramowania, w tym w tworzeniu produkcyjnych systemów AI i uczenia maszynowego.
- Bardzo dobrze znać Python 3.x, w tym przetwarzanie wieloprocesowe lub asyncio, wzorce projektowe, profilowanie, pakowanie i dobre praktyki pisania kodu.
- Mieć znaczne doświadczenie praktyczne z PyTorch, TensorFlow, Scikit-learn, XGBoost i LightGBM.
- Mieć udokumentowane doświadczenie w tworzeniu produkcyjnych aplikacji generatywnej AI z użyciem narzędzi takich jak LangChain, LlamaIndex, CrewAI lub AutoGen.
- Znać w praktyce modele osadzeń, wyszukiwanie gęste, ponowne rankingowanie i metody indeksowania wektorowego.
- Mieć praktyczne doświadczenie z AWS, GCP lub Azure, a także Dockerem, Kubernetes oraz PySpark lub Ray.
- Mieć doświadczenie we wdrażaniu pełnego cyklu życia modeli uczenia maszynowego — od walidacji danych po monitorowanie inferencji w czasie rzeczywistym.
- Mieć doświadczenie w integrowaniu interfejsów API Google Gemini i Anthropic Claude, w tym wywoływaniu narzędzi lub funkcji, buforowaniu kontekstu i optymalizacji promptów.
- Doświadczenie z silnikami reguł wykrywania oszustw, platformami wykrywania anomalii lub predykcyjnymi modelami ryzyka będzie dodatkowym atutem.
- Znajomość monitorowania transakcji, biometrii behawioralnej i zbiorów danych konsorcjów zajmujących się oszustwami będzie dodatkowym atutem.
- Bardzo dobrze znać Python, SQL i Bash.
- Mieć doświadczenie z wektorowymi bazami danych, backendowymi interfejsami API, strumieniowym przetwarzaniem danych, MLOps, DevOps, wyjaśnialną AI i maskowaniem danych osobowych.
- Potrafić spełniać wymogi regulacyjne amerykańskiego sektora bankowego, w tym FCRA, GLBA, SR 11-7, wymogi dotyczące uczciwego udzielania kredytów i standardy wyjaśnialnej AI.
Benefity
- Hybrydowy model pracy.
- Pracodawca zapewnia równe szanse.
- Dostępne są racjonalne usprawnienia dla osób z niepełnosprawnościami.