Gen — глобальная компания потребительских технологий, работающая в сферах кибербезопасности, цифровой конфиденциальности, защиты личности и финансового благополучия. Через такие бренды, как Norton, Avast, LifeLock и MoneyLion, компания помогает людям защищать свои устройства, личность, персональные данные и финансы. В число её продуктов входят обнаружение угроз, реагирование на утечки данных, инструменты для обеспечения конфиденциальности в интернете, банковские функции и встроенные финансовые сервисы через Engine. Gen также инвестирует в решения безопасности на основе искусственного интеллекта и развивает Gen AI Foundry, занимающуюся формированием доверия к новым приложениям ИИ. Компания обслуживает почти 500 миллионов пользователей более чем в 150 странах и имеет две штаб-квартиры — в Праге и Темпе.
Старший менеджер по прикладным исследованиям ИИ — гибридный формат, Прага
Руководите прикладными исследованиями ИИ в Gen в области языковых моделей, обучения с подкреплением, компьютерного зрения и смежных методов для продуктов в сфере кибербезопасности. Управляйте инженерами-исследователями и переводите модели из экспериментов в промышленную эксплуатацию в глобальном масштабе.
Описание
- Руководить практическими инициативами в области прикладного ИИ, включая малые языковые модели, обучение с подкреплением, агентный ИИ, компьютерное зрение и классическое машинное обучение
- Отвечать за решения в области архитектуры, моделирования и внедрения в промышленную эксплуатацию
- Управлять командой из 3–5 инженеров-исследователей, наставлять и развивать её сотрудников посредством найма, управления эффективностью, карьерного развития и технического обучения
- Поддерживать согласованность команды, устранять блокирующие факторы и фокусировать её на измеримых результатах
- Создавать прототипы новых подходов, совершенствовать архитектуры моделей и помогать отлаживать процессы обучения на GPU-кластерах
- Определять и поддерживать стандарты качества исследований и разработки
- Контролировать жизненный цикл прикладного ИИ: от постановки задачи и стратегии работы с данными до обучения, дообучения, оценки, развёртывания, наблюдаемости и постоянного улучшения
- Обеспечивать вывод моделей в промышленную эксплуатацию и сотрудничать с командами Platform, MLOps и Product Engineering
- Преобразовывать бизнес-приоритеты и приоритеты безопасности в дорожную карту прикладного ИИ с чёткой последовательностью этапов
- Объяснять компромиссы руководителям высшего звена и отчитываться о поставке, производительности моделей и влиянии
- Формировать командные практики отслеживания экспериментов, оценки моделей, воспроизводимости, проверки кода и ответственного ИИ
- Участвовать в собеседованиях с менеджером по найму, AI Research Lab, Product, заинтересованными сторонами и руководством
Требования
- Степень магистра или доктора философии в области компьютерных наук, машинного обучения, математики или смежной количественной дисциплины либо эквивалентный практический опыт, подтверждающий глубокую экспертизу в глубоком обучении
- Не менее 5 лет практического опыта создания и внедрения в промышленную эксплуатацию систем машинного и глубокого обучения
- 2–3 и более лет опыта руководства или управления небольшой командой инженеров по машинному обучению или инженеров-исследователей, включая техническое руководство, поставку, найм и развитие сотрудников в нескольких областях прикладного ИИ
- Глубокая практическая экспертиза в нескольких областях прикладного ИИ, включая малые языковые модели на основе трансформеров, обучение с подкреплением, например варианты PPO, DQN и Actor-Critic, агентные системы LLM или системы LLM с использованием инструментов, компьютерное зрение или классическое машинное обучение
- Умение подбирать подходящий технический метод для каждой задачи
- Экспертное владение Python и PyTorch; опыт работы с JAX или TensorFlow будет преимуществом
- Опыт обучения и дообучения моделей на многографовых GPU-кластерах с использованием DeepSpeed, FSDP или Hugging Face Accelerate
- Глубокие знания линейной алгебры, оптимизации, теории вероятностей и статистики
- Умение интерпретировать, оценивать и реализовывать методы из современных научных публикаций
- Подтверждённый опыт внедрения моделей ИИ в промышленную эксплуатацию, включая конвейеры данных, средства оценки, квантование или сжатие, оптимизацию инференса, контейнеры, Kubernetes, облачные платформы и мониторинг после развёртывания
- Опыт работы с инструментами MLOps и управления экспериментами, такими как Weights & Biases, MLflow или сопоставимыми платформами
- Опыт работы с CI/CD, проверкой кода и практиками наблюдаемости
- Способность руководить небольшой технической командой: задавать направление, проводить встречи один на один, предоставлять обратную связь, нанимать инженеров и превращать неоднозначные бизнес-задачи в развёртываемые системы ИИ
- Свободное владение английским языком
- Практический подход к техническому руководству и готовность оставаться близко к коду, моделям и промышленным системам
- Мышление в формате player-coach
- Сильная ориентация на выпуск, развёртывание и измерение моделей в промышленной эксплуатации
- Здравое суждение при оценке возможностей применения ИИ
- Чёткие коммуникативные навыки для преобразования сложных концепций машинного обучения в решения и компромиссы
- Способность эффективно работать в динамичной, неоднозначной и высокотехнологичной среде, управляя сложными межфункциональными задачами
- Публикации на ведущих конференциях по машинному обучению, опыт в кибербезопасности, конфиденциальности или идентификации, а также экспертиза в JAX или TensorFlow будут преимуществом
Преимущества
- Гибкий формат работы
- Оплачиваемый отпуск
- Конкурентоспособная компенсация
- Льготы для сотрудников
- Программы поддержки благополучия
- Поддержка, ресурсы и инструменты для высокой эффективности и карьерного развития