Gen to globalna firma technologiczna oferująca rozwiązania dla konsumentów, działająca w obszarach cyberbezpieczeństwa, prywatności cyfrowej, ochrony tożsamości i dobrostanu finansowego. Za pośrednictwem marek takich jak Norton, Avast, LifeLock i MoneyLion pomaga ludziom chronić urządzenia, tożsamość, dane osobowe i finanse. Jej produkty obejmują wykrywanie zagrożeń, reagowanie na naruszenia bezpieczeństwa, narzędzia ochrony prywatności online, funkcje bankowe oraz wbudowane usługi finansowe oferowane przez Engine. Gen inwestuje również w rozwiązania bezpieczeństwa oparte na sztucznej inteligencji oraz rozwija Gen AI Foundry, koncentrując się na budowaniu zaufania do nowych zastosowań AI. Firma obsługuje niemal 500 milionów użytkowników w ponad 150 krajach i ma dwie siedziby główne — w Pradze i Tempe.
Starszy menedżer ds. badań nad stosowaną AI — praca hybrydowa, Praga
Kieruj badaniami nad stosowaną AI w Gen w obszarach modeli językowych, uczenia ze wzmocnieniem, widzenia komputerowego i pokrewnych metod dla produktów z zakresu cyberbezpieczeństwa. Zarządzaj zespołem inżynierów badawczych i przenoś modele z etapu eksperymentów do produkcji na skalę globalną.
Opis
- Kierowanie praktycznymi inicjatywami w zakresie stosowanej AI, obejmującymi małe modele językowe, uczenie ze wzmocnieniem, agentową AI, widzenie komputerowe i klasyczne uczenie maszynowe
- Odpowiedzialność za decyzje dotyczące architektury, modelowania i wdrażania do produkcji
- Zarządzanie, mentoring i rozwój zespołu 3–5 inżynierów badawczych poprzez rekrutację, zarządzanie wynikami, rozwój kariery i coaching techniczny
- Dbanie o zgodność zespołu, usuwanie przeszkód i koncentrację na mierzalnych rezultatach
- Tworzenie prototypów nowych podejść, udoskonalanie projektów modeli i wsparcie w debugowaniu procesów treningowych na klastrach GPU
- Definiowanie i utrzymywanie standardów jakości badań i inżynierii
- Nadzór nad cyklem życia stosowanej AI: od zdefiniowania problemu i strategii danych przez trening, dostrajanie, ewaluację i wdrożenie po obserwowalność oraz ciągłe doskonalenie
- Dostarczanie modeli do produkcji i współpraca z zespołami Platform, MLOps i Product Engineering
- Przekładanie priorytetów biznesowych i bezpieczeństwa na harmonogram działań w zakresie stosowanej AI z jasną kolejnością etapów
- Wyjaśnianie kompromisów kadrze kierowniczej wyższego szczebla oraz raportowanie postępów, wydajności modeli i wpływu
- Budowanie praktyk zespołowych dotyczących śledzenia eksperymentów, ewaluacji modeli, odtwarzalności, przeglądów kodu i odpowiedzialnej AI
- Udział w rozmowach rekrutacyjnych z Hiring Managerem, AI Research Lab, Product, interesariuszami i kadrą kierowniczą
Wymagania
- Tytuł magistra lub doktora w dziedzinie informatyki, uczenia maszynowego, matematyki lub pokrewnej dyscyplinie ilościowej albo równoważne doświadczenie praktyczne potwierdzające głęboką wiedzę z zakresu deep learningu
- Co najmniej 5 lat praktycznego doświadczenia w budowaniu i wdrażaniu produkcyjnych systemów uczenia maszynowego i deep learningu
- 2–3+ lata doświadczenia w kierowaniu lub zarządzaniu małym zespołem inżynierów ML lub inżynierów badawczych, w tym w zakresie kierunku technicznego, dostarczania rozwiązań, rekrutacji i rozwoju pracowników w wielu obszarach stosowanej AI
- Głęboka praktyczna wiedza w kilku obszarach stosowanej AI, w tym w małych modelach językowych opartych na transformatorach, uczeniu ze wzmocnieniem, takim jak warianty PPO, DQN i Actor-Critic, agentowych systemach LLM lub systemach LLM korzystających z narzędzi, widzeniu komputerowym albo klasycznym uczeniu maszynowym
- Umiejętność dopasowania odpowiedniego podejścia technicznego do każdego problemu
- Biegła znajomość Pythona i PyTorch; doświadczenie z JAX lub TensorFlow będzie dodatkowym atutem
- Doświadczenie w trenowaniu i dostrajaniu modeli na klastrach wielo-GPU z użyciem DeepSpeed, FSDP lub Hugging Face Accelerate
- Solidne podstawy algebry liniowej, optymalizacji, rachunku prawdopodobieństwa i statystyki
- Umiejętność interpretowania, oceniania i wdrażania metod z najnowszych publikacji naukowych
- Udokumentowany sukces we wprowadzaniu modeli AI do produkcji, w tym w zakresie potoków danych, narzędzi ewaluacyjnych, kwantyzacji lub kompresji, optymalizacji inferencji, kontenerów, Kubernetes, platform chmurowych i monitorowania po wdrożeniu
- Doświadczenie z narzędziami MLOps i zarządzania eksperymentami, takimi jak Weights & Biases, MLflow lub porównywalne platformy
- Doświadczenie z CI/CD, przeglądami kodu i praktykami obserwowalności
- Umiejętność kierowania małym zespołem technicznym poprzez wyznaczanie kierunku, prowadzenie spotkań 1:1, udzielanie informacji zwrotnej, rekrutowanie inżynierów i przekształcanie niejednoznacznych problemów biznesowych w systemy AI gotowe do wdrożenia
- Biegła znajomość języka angielskiego
- Praktyczne podejście do przywództwa technicznego i gotowość do pozostawania blisko kodu, modeli i systemów produkcyjnych
- Podejście player-coach
- Silna koncentracja na dostarczaniu, wdrażaniu i mierzeniu modeli w produkcji
- Trafna ocena możliwości zastosowania stosowanej AI
- Jasne umiejętności komunikacyjne pozwalające przekładać złożone koncepcje ML na decyzje i kompromisy
- Umiejętność skutecznej pracy w dynamicznym, niejednoznacznym i zaawansowanym technologicznie środowisku przy zarządzaniu złożonymi wyzwaniami międzyfunkcyjnymi
- Publikacje na wiodących konferencjach ML, doświadczenie w cyberbezpieczeństwie, prywatności lub tożsamości oraz znajomość JAX lub TensorFlow będą dodatkowymi atutami
Benefity
- Elastyczne formy pracy
- Płatny urlop
- Konkurencyjne wynagrodzenie
- Świadczenia pracownicze
- Programy wspierające dobrostan
- Wsparcie, zasoby i narzędzia pomagające osiągać wysoką skuteczność i rozwijać karierę