Gen — глобальна компанія споживчих технологій, що працює у сферах кібербезпеки, цифрової конфіденційності, захисту особистості та фінансового добробуту. Через такі бренди, як Norton, Avast, LifeLock і MoneyLion, компанія допомагає людям захищати свої пристрої, особистість, персональні дані та фінанси. Її продукти охоплюють виявлення загроз, реагування на витоки даних, інструменти для забезпечення конфіденційності в інтернеті, банківські функції та вбудовані фінансові сервіси через Engine. Gen також інвестує в рішення для безпеки на основі штучного інтелекту та розвиває Gen AI Foundry, зосереджену на формуванні довіри до нових застосувань ШІ. Компанія обслуговує майже 500 мільйонів користувачів у понад 150 країнах і має дві штаб-квартири — у Празі та Темпі.
Старший менеджер із прикладних досліджень ШІ — гібридний формат, Прага
Керуйте прикладними дослідженнями ШІ в Gen у сферах мовних моделей, навчання з підкріпленням, комп’ютерного зору та суміжних методів для продуктів із кібербезпеки. Керуйте інженерами-дослідниками та переводьте моделі з експериментів у промислову експлуатацію у глобальному масштабі.
Опис
- Керувати практичними ініціативами у сфері прикладного ШІ, зокрема малими мовними моделями, навчанням із підкріпленням, агентним ШІ, комп’ютерним зором і класичним машинним навчанням
- Відповідати за рішення щодо архітектури, моделювання та впровадження в промислову експлуатацію
- Керувати командою з 3–5 інженерів-дослідників, наставляти й розвивати її учасників через найм, управління результативністю, кар’єрний розвиток і технічне навчання
- Підтримувати узгодженість команди, усувати блокери та зосереджувати її на вимірюваних результатах
- Створювати прототипи нових підходів, удосконалювати дизайни моделей і допомагати налагоджувати процеси навчання на GPU-кластерах
- Визначати й підтримувати стандарти якості досліджень та інженерії
- Контролювати життєвий цикл прикладного ШІ: від визначення проблеми та стратегії роботи з даними до навчання, донавчання, оцінювання, розгортання, спостережуваності та постійного вдосконалення
- Забезпечувати промислову поставку моделей і співпрацювати з командами Platform, MLOps та Product Engineering
- Перетворювати бізнесові пріоритети й пріоритети безпеки на дорожню карту прикладного ШІ з чіткою послідовністю етапів
- Пояснювати компроміси керівникам найвищого рівня та звітувати про поставку, продуктивність моделей і вплив
- Формувати командні практики відстеження експериментів, оцінювання моделей, відтворюваності, перевірки коду та відповідального ШІ
- Брати участь у співбесідах із менеджером з найму, AI Research Lab, Product, зацікавленими сторонами та керівництвом
Вимоги
- Ступінь магістра або доктора філософії у сфері комп’ютерних наук, машинного навчання, математики чи суміжної кількісної дисципліни або еквівалентний практичний досвід, що демонструє глибоку експертизу в глибокому навчанні
- Щонайменше 5 років практичного досвіду створення та розгортання у промисловій експлуатації систем машинного й глибокого навчання
- 2–3+ роки досвіду керівництва або управління невеликою командою інженерів з машинного навчання чи інженерів-дослідників, зокрема технічного керівництва, поставки, найму та розвитку людей у кількох сферах прикладного ШІ
- Глибока практична експертиза в кількох сферах прикладного ШІ, зокрема малих мовних моделях на основі трансформерів, навчанні з підкріпленням, наприклад варіантах PPO, DQN та Actor-Critic, агентних системах LLM або системах LLM, що використовують інструменти, комп’ютерному зорі чи класичному машинному навчанні
- Уміння добирати відповідний технічний підхід до кожної проблеми
- Експертне володіння Python і PyTorch; досвід роботи з JAX або TensorFlow буде перевагою
- Досвід навчання та донавчання моделей на багатографових GPU-кластерах із DeepSpeed, FSDP або Hugging Face Accelerate
- Ґрунтовні знання лінійної алгебри, оптимізації, теорії ймовірностей і статистики
- Здатність інтерпретувати, оцінювати та впроваджувати методи із сучасних наукових публікацій
- Підтверджений успіх у впровадженні моделей ШІ у промислову експлуатацію, включно з конвеєрами даних, засобами оцінювання, квантуванням або стисненням, оптимізацією інференсу, контейнерами, Kubernetes, хмарними платформами та моніторингом після розгортання
- Досвід роботи з інструментами MLOps та управління експериментами, такими як Weights & Biases, MLflow або зіставними платформами
- Досвід роботи з CI/CD, перевіркою коду та практиками спостережуваності
- Здатність керувати невеликою технічною командою: визначати напрям, проводити зустрічі один на один, надавати зворотний зв’язок, наймати інженерів і перетворювати неоднозначні бізнес-проблеми на системи ШІ, готові до розгортання
- Вільне володіння англійською мовою
- Практичний підхід до технічного лідерства та готовність залишатися близько до коду, моделей і промислових систем
- Мислення у форматі player-coach
- Сильна орієнтація на випуск, розгортання та вимірювання моделей у промисловій експлуатації
- Зважене судження під час оцінювання можливостей прикладного ШІ
- Чіткі комунікативні навички для перетворення складних концепцій машинного навчання на рішення та компроміси
- Здатність ефективно працювати в динамічному, неоднозначному й високотехнологічному середовищі, керуючи складними міжфункціональними викликами
- Публікації на провідних ML-майданчиках, досвід у кібербезпеці, конфіденційності чи ідентифікації, а також експертиза в JAX або TensorFlow будуть перевагою
Переваги
- Гнучкий формат роботи
- Оплачувана відпустка
- Конкурентна винагорода
- Пільги для працівників
- Програми підтримки добробуту
- Підтримка, ресурси та інструменти для високої результативності й кар’єрного розвитку