Mimecast je podjetje za kibernetsko varnost, ki organizacijam pomaga pri spopadanju z nenehnimi digitalnimi grožnjami prek varnostnih storitev, zasnovanih z mislijo na zasebnost, odpornost in uporabniško izkušnjo. Njegova ekipa z več kot 2.500 zaposlenimi deluje na mednarodnih trgih, vključno z Združenimi državami Amerike, Združenim kraljestvom in Avstralijo. Podjetje poudarja predvidevanje nastajajočih tveganj, nenehno krepitev zaščite ter kulturo, osredotočeno na odličnost na področju varnosti in stalne izboljšave.
Inženir strojnega učenja II – hibridno delo v Columbusu
Razvijajte razširljivo strojno učenje, generativno umetno inteligenco in podatkovne cevovode v realnem času za Mimecastov izdelek Incydr za kibernetsko varnost in tveganja notranjih uporabnikov. Vodite produkcijske uvedbe in medfunkcijske pobude, ki izboljšujejo zmogljivosti za stranke.
Opis
- Raziskovanje, načrtovanje, razvoj in vzdrževanje naprednih modelov strojnega učenja
- Usposabljanje, ocenjevanje in natančno prilagajanje modelov za izbiro, validacijo, točnost, zakasnitev in prepustnost
- Priporočanje pristopov za razširljivost, prilagajanje modelov in konfiguracijo podatkovne infrastrukture
- Načrtovanje in izvedba celovitih podatkovnih cevovodov in cevovodov strojnega učenja za izdelke v realnem času
- Pridobivanje, čiščenje in pretvarjanje neobdelanih podatkov z inženiringom značilk
- Priprava modelov strojnega učenja za produkcijo in njihova integracija v obstoječe sisteme
- Spremljanje uvedenih modelov glede učinkovitosti, prepustnosti in zakasnitve
- Sodelovanje pri oblikovanju programske arhitekture za velike podatkovne zbirke
- Vodenje projektov strojnega učenja od začetnega koncepta do produkcijske izdaje
- Mentoriranje mlajših sodelavcev in spodbujanje najboljših inženirskih praks
- Sodelovanje z ekipami za razvoj izdelkov, vključno z ekipami za izdelek, inženiring, trženje, uspeh strank in prodajo
- Razvoj funkcionalnosti za stranke in napovednih modelov z raziskovanjem in eksperimentiranjem
- Pojasnjevanje zapletenih tehničnih konceptov na srečanjih za izmenjavo znanja
- Upravljanje, oblikovanje in določanje prednostnih nalog z omejenim nadzorom
- Vzpostavljanje odnosov z deležniki ter podpiranje sodelovalne, vključujoče in nenehno izboljšujoče se kulture ekipe
- Uporaba razvojnih orodij za umetno inteligenco za raziskovanje konceptov, izdelavo prototipov rešitev, razlago podatkov ter eksperimentiranje z LLM-i in agentskimi sistemi
Zahteve
- Doktorska ali magistrska izobrazba s kvantitativnega področja in najmanj štiri leta uporabe naprednega strojnega učenja pri industrijskih problemih ali univerzitetna izobrazba prve stopnje in najmanj šest let neposredno relevantnih izkušenj
- Napredno programersko znanje Pythona, C++, Jave ali Kotlina
- Praktične izkušnje s PyTorchom, NLTK, spaCy, OpenCV, Tesseractom in Hugging Face
- Razumevanje linearne algebre, stohastične optimizacije in teorije verjetnosti
- Poznavanje statističnega sklepanja in metod strojnega učenja, vključno z napovedovanjem, analizo časovnih vrst, preverjanjem hipotez, zaznavanjem anomalij, klasifikacijo in regresijo
- Izkušnje z delom z velikimi podatkovnimi zbirkami, ki vsebujejo več kot dva milijona učnih primerov, ter z zelo neuravnoteženimi podatki
- Znanje storitev AWS, kot so ECS, Kinesis, Lambda, S3, Glue, SageMaker, Bedrock, Athena, RDS in Redshift
- Izkušnje z načrtovanjem in uvajanjem razširljivih storitev generativne umetne inteligence z orodji LangChain, LlamaIndex, n8n in Spring AI
- Sposobnost razvoja in vzdrževanja infrastrukture kot kode
- Izkušnje z uporabo sistemov za nadzor različic
- Razumevanje ravnanja z občutljivimi podatki v okviru krovnih pogodb o storitvah in obveznosti glede skladnosti
- Močne analitične, komunikacijske, sodelovalne in prilagoditvene sposobnosti, sposobnost reševanja problemov in prevzemanja odgovornosti ter pozornost do podrobnosti
- Sposobnost pojasniti tehnične koncepte in poslovne posledice netehničnemu občinstvu ter uspešno opravljene ustrezne preverbe preteklosti
- Uspešno opravljene ustrezne preverbe preteklosti
Ugodnosti
- Celovit paket ugodnosti
- Strukturirane možnosti učenja in učenja pri delu
- Hibridni model dela z individualno prilagodljivostjo
- Vključujoče in raznoliko delovno okolje
- Prilagoditve ali olajšave pri razgovorih za osebe z oviranostmi ali drugimi potrebami
- Na voljo so lahko spodbujevalni načrti
- Dodatne ugodnosti so zagotovljene v skladu s politiko podjetja in veljavnimi lokalnimi predpisi