Capital One — компания в сфере финансовых услуг и финтеха, предлагающая кредитные карты, автокредиты, банковские продукты и сберегательные решения. В её работе финансовая экспертиза сочетается с технологиями и цифровыми инструментами, чтобы совершенствовать управление деньгами для клиентов. Компания уделяет особое внимание созданию решений, ориентированных на клиентов, и развитию разнообразной и инклюзивной рабочей среды.
Инженер по машинному обучению Capital One — работа в офисе
Создавайте и эксплуатируйте производственные системы машинного обучения в Capital One. Работайте с моделями, облачной инфраструктурой, конвейерами данных и ответственными приложениями ИИ.
Описание
- Создавать и внедрять модели и компоненты машинного обучения для решения практических бизнес-задач
- Взаимодействовать с командами по продукту и анализу данных на всех этапах разработки
- Определять решения в области инфраструктуры машинного обучения с использованием методов моделирования, выбора данных и признаков, обучения, настройки, снижения размерности, анализа смещения и дисперсии, а также валидации
- Разрабатывать и тестировать код приложений, проверять модели машинного обучения и автоматизировать процессы тестирования и развертывания
- Работать в кросс-функциональных Agile-командах над созданием и совершенствованием приложений для работы с большими данными и машинного обучения
- Переобучать, обслуживать и контролировать модели, работающие в продуктивной среде
- Использовать или создавать облачные архитектуры, платформы и технологии для эффективной работы моделей машинного обучения в масштабе
- Создавать оптимизированные конвейеры данных, обеспечивающие модели машинного обучения необходимыми данными
- Внедрять практики непрерывной интеграции и доставки с автоматизированными тестами и мониторингом
- Поддерживать код, снижающий уязвимости и обеспечивающий управление моделями, а также ответственное и объяснимое применение ИИ
- Программировать на таких языках, как Python, Scala или Java
Требования
- Высшее образование не ниже степени бакалавра в области компьютерных наук, машинного обучения или смежной количественной дисциплины
- Не менее четырех лет опыта программирования на Python, Java, Golang или C++
- Не менее четырех лет опыта работы с машинным обучением с использованием PyTorch или TensorFlow и библиотек, таких как Pandas, NumPy и Scikit-learn
- Не менее четырех лет опыта использования и эксплуатации крупномасштабных распределенных систем, включая Spark или Ray, для подготовки данных для ИИ или машинного обучения
- Не менее двух лет опыта развертывания и эксплуатации решений машинного обучения в продуктивной среде, а также продуктивных облачных сервисов AWS, GCP или Azure
- Не менее двух лет опыта использования Kubernetes для управления крупномасштабными контейнеризированными программными системами машинного обучения
- Новое спонсорство разрешения на трудоустройство и поддержка по иммиграционным вопросам не предоставляются
- Желательно наличие степени магистра или доктора в области компьютерных наук, электротехники, математики или смежной области
- Желательно не менее трех лет опыта оптимизации алгоритмов, конфигураций и инфраструктуры машинного обучения
- Желательно не менее трех лет применения практик разработки программного обеспечения, таких как контроль версий, тестирование, проверка кода и CI/CD
- Желательно не менее трех лет создания отказоустойчивого программного обеспечения с предпроизводственным тестированием, продвинутыми методами развертывания, мониторингом, оповещениями и планированием реагирования на инциденты
- Желательно не менее трех лет работы с методами машинного обучения, типами и архитектурами моделей, концепциями обучения и методами оценки
- Желательно не менее трех лет проектирования, реализации и масштабирования готовых к эксплуатации конвейеров данных для обучения и оценки моделей машинного обучения
- Желательно не менее одного года опыта работы техническим руководителем решений машинного обучения
- Желательно авторство или соавторство статьи, посвященной методу, модели или подтверждению концепции в области машинного обучения
Преимущества
- Компенсация по результатам работы может включать денежные бонусы и/или долгосрочные стимулы
- Комплексные, конкурентоспособные и инклюзивные медицинские, финансовые и другие льготы, разработанные для поддержки общего благополучия
- Работодатель предоставляет равные возможности и придерживается принципа недопущения дискриминации
- Для соискателей, которым они необходимы, предусмотрены разумные условия адаптации