Capital One
Capital One
Capital One är ett företag inom finansiella tjänster och fintech som erbjuder kreditkort, billån, banktjänster och sparprodukter. Företagets arbete kombinerar finansiell expertis med teknik och digitala verktyg för att förbättra hur kunder hanterar sina pengar. Karriärerna på företaget fokuserar på att utveckla kundorienterade lösningar i en mångfaldig och inkluderande arbetsmiljö.

Maskininlärningsingenjör på plats hos Capital One

Bygg och driftsätt maskininlärningssystem i produktion hos Capital One. Arbeta med modeller, molninfrastruktur, datapipelines och ansvarsfulla AI-tillämpningar.

Beskrivning

  • Bygg och leverera maskininlärningsmodeller och komponenter som löser praktiska affärsbehov
  • Samarbeta med produkt- och datavetenskapsteamen under hela utvecklingen
  • Vägled val av ML-infrastruktur genom att använda modelleringsmetoder, data- och funktionsurval, träning, finjustering, dimensionalitet, bias-variance-analys och validering
  • Utveckla och testa applikationskod, validera ML-modeller och automatisera arbetsflöden för testning och driftsättning
  • Arbeta med tvärfunktionella agila team för att bygga och förbättra applikationer för stordata och maskininlärning
  • Träna om, underhåll och övervaka modeller som körs i produktion
  • Använd eller skapa molnarkitekturer, plattformar och tekniker för att leverera effektiva ML-modeller i stor skala
  • Bygg optimerade datapipelines som förser maskininlärningsmodeller med data
  • Implementera metoder för kontinuerlig integration och leverans med automatiserad testning och övervakning
  • Underhåll kod som begränsar sårbarheter och stöder modellstyrning samt ansvarsfull och förklarbar AI
  • Programmera med språk som Python, Scala eller Java

Krav

  • Kandidatexamen eller högre inom datavetenskap, maskininlärning eller ett närliggande kvantitativt område
  • Minst fyra års programmeringserfarenhet med Python, Java, Golang eller C++
  • Minst fyra års erfarenhet av maskininlärning med PyTorch eller TensorFlow samt bibliotek som Pandas, NumPy och Scikit-learn
  • Minst fyra års erfarenhet av att använda och driftsätta storskaliga distribuerade system, inklusive Spark eller Ray, för att förbereda AI- eller maskininlärningsdata
  • Minst två års erfarenhet av att driftsätta och driftsätta maskininlärningslösningar i produktion samt produktionsnära molntjänster på AWS, GCP eller Azure
  • Minst två års erfarenhet av Kubernetes för att hantera storskaliga, containeriserade programvarusystem för maskininlärning
  • Ny sponsring av arbetstillstånd och immigrationsrelaterat stöd erbjuds inte
  • Meriterande: master- eller doktorsexamen inom datavetenskap, elektroteknik, matematik eller ett närliggande område
  • Meriterande: minst tre års erfarenhet av att optimera ML-algoritmer, konfigurationer och infrastruktur
  • Meriterande: minst tre års erfarenhet av att tillämpa programvaruutvecklingsmetoder som versionshantering, testning, kodgranskningar och CI/CD
  • Meriterande: minst tre års erfarenhet av att bygga motståndskraftig programvara med testning före produktion, avancerade driftsättningsmetoder, övervakning, larm och planering för incidenthantering
  • Meriterande: minst tre års erfarenhet av maskininlärningstekniker, modelltyper, arkitekturer, träningskoncept och utvärderingsmetoder
  • Meriterande: minst tre års erfarenhet av att utforma, implementera och skala produktionsklara datapipelines för träning och utvärdering av ML-modeller
  • Meriterande: minst ett års erfarenhet som teknisk ledare för maskininlärningslösningar
  • Meriterande: författarskap eller medförfattarskap till en artikel om en ML-teknik, modell eller proof of concept

Förmåner

  • Prestationsbaserad incitamentsersättning kan omfatta kontantbonusar och/eller långsiktiga incitament
  • Omfattande, konkurrenskraftiga och inkluderande hälso-, ekonomiska och andra förmåner utformade för att stödja det övergripande välbefinnandet
  • Arbetsgivare som erbjuder lika möjligheter och arbetar för icke-diskriminering
  • Skäliga anpassningar erbjuds sökande som behöver sådana