Citi 是一家服务于消费者、企业、政府和机构的全球银行及金融服务公司。其业务涵盖个人银行、信用卡、财富管理、企业银行和投资银行，并依托遍布 100 多个国家和地区的运营网络提供服务。作为大型国际金融机构，Citi 汇聚了来自银行、金融服务和金融科技领域的团队。
高级 Python AI 与机器学习工程负责人
负责为花旗美国零售银行反欺诈业务设计并交付可扩展的生成式 AI 和预测性机器学习系统。 推动 MLOps 实践，并指导工程团队。
描述
- 指导先进 AI 和机器学习产品的开发与发布。
- 设计生产级生成式 AI 解决方案，涵盖检索增强生成、自主智能体、语义搜索和多模态工作流。
- 调优 Google Gemini、Anthropic Claude 和开源语言模型，以提升速度、控制成本并改善质量。
- 开发提示工程框架、模型微调流水线、评估基准和安全控制措施。
- 制定用于异常检测、图神经网络以及有监督和无监督分类的预测性机器学习架构。
- 构建可靠、快速且可水平扩展的 Python 服务和 API。
- 连接向量数据库、分布式缓存和事件流系统。
- 建立 MLOps 和 LLMOps 工作流，涵盖 CI/CD、自动再训练、可观测性和漂移检测。
- 打造用于识别身份盗用、账户接管、合成身份、无卡交易欺诈和异常交易的 AI 能力。
- 运用生成式 AI 简化欺诈案件分流，并根据非结构化信息总结调查结果。
- 确保符合美国银行业法规。
- 指导钦奈工程中心的数据科学家和软件工程师。
- 制定技术路线图、评估 AI 框架、开展概念验证，并向全球工程负责人介绍架构方案。
- 提升欺诈检测效果、降低误报率、加快推理速度、改善代码质量和测试覆盖率，并提高调查人员的工作效率。
任职要求
- 拥有计算机科学、数据科学、人工智能、应用数学或相关定量学科的学士或硕士学位。
- 具备 10 至 12 年专业软件工程经验，其中包括生产级 AI 和机器学习系统开发经验。
- 精通 Python 3.x，包括多进程或 asyncio、设计模式、性能分析、打包和整洁编码实践。
- 具备 PyTorch、TensorFlow、Scikit-learn、XGBoost 和 LightGBM 的丰富应用经验。
- 有使用 LangChain、LlamaIndex、CrewAI 或 AutoGen 等工具构建生产级生成式 AI 应用的经验。
- 熟悉嵌入模型、稠密检索、重排序和向量索引方法。
- 具备 AWS、GCP 或 Azure 的实践经验，并熟悉 Docker、Kubernetes 以及 PySpark 或 Ray。
- 曾交付端到端机器学习生命周期，涵盖数据验证到实时推理监控。
- 曾集成 Google Gemini 和 Anthropic Claude API，包括工具或函数调用、上下文缓存和提示优化。
- 有欺诈规则引擎、异常检测平台或预测性风险模型经验者优先。
- 熟悉交易监控、行为生物特征识别和欺诈联盟数据集者优先。
- 精通 Python、SQL 和 Bash。
- 具备向量数据库、后端 API、数据流、MLOps、DevOps、可解释 AI 以及个人身份信息脱敏方面的经验。
- 能够满足美国银行监管要求，包括 FCRA、GLBA、SR 11-7、公平信贷和可解释 AI 标准。
福利待遇
- 混合办公安排。
- 平等机会雇主。
- 为残障人士提供合理便利。