Gen är ett globalt konsumentteknikföretag som verkar inom cybersäkerhet, digital integritet, identitetsskydd och ekonomiskt välbefinnande. Genom varumärken som Norton, Avast, LifeLock och MoneyLion hjälper företaget människor att skydda sina enheter, identiteter, personuppgifter och ekonomi. Produkterna omfattar hotdetektering, hantering av dataintrång, verktyg för integritet på nätet, bankfunktioner och inbäddade finanstjänster genom Engine. Gen investerar också i AI-driven säkerhet och sitt Gen AI Foundry, med fokus på att skapa förtroende för nya AI-tillämpningar. Företaget betjänar närmare 500 miljoner användare i över 150 länder och har dubbla huvudkontor i Prag och Tempe.
Seniorchef, tillämpad AI-forskning – Prag hybrid
Led tillämpad AI-forskning på Gen inom språkmodeller, förstärkningsinlärning, datorseende och relaterade metoder för cybersäkerhetsprodukter. Ansvara för Research Engineers och ta modeller från experiment till produktion i global skala.
Beskrivning
- Leda praktiska initiativ inom tillämpad AI som omfattar små språkmodeller, förstärkningsinlärning, agentisk AI, datorseende och klassisk maskininlärning
- Äga beslut om arkitektur, modellering och produktionssättning
- Leda, handleda och utveckla ett team på 3–5 Research Engineers genom rekrytering, prestationsledning, karriärutveckling och teknisk coachning
- Hålla teamet samordnat, undanröja hinder och fokusera på mätbara resultat
- Prototypa nya metoder, förfina modelldesigner och stödja felsökning av träningskörningar på GPU-kluster
- Definiera och upprätthålla kvalitetsstandarder för forskning och teknik
- Övervaka hela livscykeln för tillämpad AI, från problemdefinition och datastrategi till träning, finjustering, utvärdering, driftsättning, observerbarhet och löpande förbättring
- Driva produktionssättning av modeller och samarbeta med Platform-, MLOps- och Product Engineering-teamen
- Omsätta affärs- och säkerhetsprioriteringar i en tydligt sekvenserad färdplan för tillämpad AI
- Förklara avvägningar för seniora ledare och rapportera om leveranser, modellprestanda och resultat
- Bygga teamrutiner kring experimentuppföljning, modelutvärdering, reproducerbarhet, kodgranskning och ansvarsfull AI
- Delta i intervjuer med rekryterande chef, AI Research Lab, produktteam, intressenter och ledning
Krav
- Masterexamen eller doktorsexamen i datavetenskap, maskininlärning, matematik eller ett närliggande kvantitativt område, eller motsvarande praktisk erfarenhet som visar djup kompetens inom djupinlärning
- Minst 5 års praktisk erfarenhet av att bygga och driftsätta maskininlärnings- och djupinlärningssystem i produktion
- Minst 2–3 års erfarenhet av att leda eller ansvara för ett mindre team av ML- eller Research Engineers, inklusive teknisk riktning, leverans, rekrytering och personalutveckling inom flera områden av tillämpad AI
- Djup praktisk kompetens inom flera områden av tillämpad AI, inklusive små språkmodeller baserade på transformatorer, förstärkningsinlärning som PPO, DQN och Actor-Critic-varianter, agentiska eller verktygsanvändande LLM-system, datorseende eller klassisk maskininlärning
- Förmåga att matcha varje problem med en lämplig teknisk metod
- Mycket goda kunskaper i Python och PyTorch; erfarenhet av JAX eller TensorFlow är meriterande
- Erfarenhet av att träna och finjustera modeller på kluster med flera GPU:er med DeepSpeed, FSDP eller Hugging Face Accelerate
- Starka kunskaper i linjär algebra, optimering, sannolikhet och statistik
- Förmåga att tolka, bedöma och implementera metoder från aktuell forskningslitteratur
- Dokumenterad erfarenhet av att ta AI-modeller till produktion, inklusive datapipelines, utvärderingsramverk, kvantisering eller komprimering, inferensoptimering, containrar, Kubernetes, molnplattformar och övervakning efter driftsättning
- Erfarenhet av MLOps- och experimenthanteringsverktyg som Weights & Biases, MLflow eller jämförbara plattformar
- Erfarenhet av CI/CD, kodgranskning och observerbarhet
- Förmåga att leda ett mindre tekniskt team genom att sätta riktning, hålla 1:1-samtal, ge återkoppling, rekrytera ingenjörer och omvandla otydliga affärsproblem till driftsättbara AI-system
- Flytande engelska
- Praktiskt tekniskt ledarskap med vilja att förbli nära kod, modeller och produktionssystem
- Player-coach-mentalitet
- Starkt fokus på att leverera, driftsätta och mäta modeller i produktion
- Gott omdöme vid bedömning av möjligheter inom tillämpad AI
- Tydlig kommunikationsförmåga för att omvandla komplexa ML-koncept till beslut och avvägningar
- Förmåga att arbeta effektivt i en snabb, tvetydig och högteknologisk miljö samtidigt som komplexa tvärfunktionella utmaningar hanteras
- Publikationer på ledande ML-konferenser samt erfarenhet av cybersäkerhet, integritet eller identitet och kompetens inom JAX eller TensorFlow är meriterande
Förmåner
- Flexibla arbetsformer
- Betald ledighet
- Konkurrenskraftig ersättning
- Personal förmåner
- Program för välmående
- Stöd, resurser och verktyg för goda resultat och karriärutveckling