Aprendizaje Profundo Aplicado, Pasante graduado (Maestría o PhD)

Descripción de la Empresa

Todo empezó con una idea en Block en 2013. Construida inicialmente para aliviar el dolor de los pagos de persona a persona, Cash App ha pasado de ser un producto simple con un único propósito a un ecosistema dinámico, desarrollando productos financieros únicos, incluyendo Afterpay/Clearpay, para proporcionar una mejor manera de enviar, gastar, invertir, pedir prestado y ahorrar a nuestros 47 millones de clientes activos mensuales. Queremos redefinir la relación del mundo con el dinero para hacerla más relacionable, instantáneamente disponible y universalmente accesible.

Hoy, Cash App tiene miles de empleados trabajando a nivel global en oficinas y ubicaciones remotas, con una cultura orientada hacia la innovación, la colaboración y el impacto. Hemos sido un equipo distribuido desde el primer día, y muchos de nuestros roles se pueden desempeñar de forma remota desde los países donde opera Cash App. Independientemente de la ubicación, adaptamos nuestra experiencia para garantizar que nuestros empleados sean creativos, productivos y felices.

Visita nuestras ubicaciones, beneficios y más en cash.app/careers.

Descripción del Trabajo

Esta oportunidad solo está abierta a estudiantes que actualmente estén matriculados en un programa de maestría o doctorado y ofrece un plazo de 8 meses (con posibilidad de extensión) en el equipo de Riesgo AI de Cash App a partir del verano u otoño de 2024. Si ya te has graduado (o te vas a graduar antes de mayo de 2023) por favor aplica a uno de nuestros puestos de tiempo completo.

El Aprendizaje Automático es una parte integral de cómo diseñamos productos, operamos y perseguimos la misión de Cash App de servir a los desbancarizados así como de perturbar las instituciones financieras tradicionales. Nuestra gran escala y profundo tesoro de datos de transacciones crean un sinfín de oportunidades para utilizar la inteligencia artificial para entender mejor a nuestros clientes y ofrecer nuevos productos y experiencias que pueden mejorar sus vidas. Somos un grupo altamente creativo que prefiere resolver problemas desde los primeros principios; nos movemos rápidamente, hacemos cambios incrementales y desplegamos a producción todos los días.

El objetivo de este proyecto es probar y validar sistemáticamente modelos secuenciales avanzados (incluyendo RNN bidireccional, CNN auto-regresiva, transformadores y ecuaciones diferenciales controladas por neuronas) en los datos generados a lo largo del tiempo en Cash. Cash App recoge una variedad de señales sobre cómo nuestros clientes interactúan con la plataforma - determinaremos la mejor manera de hacer uso de estos datos usando los métodos más modernos de aprendizaje profundo.

Los modelos secuenciales profundos ofrecen el potencial de mejorar significativamente nuestra capacidad para detectar comportamientos fraudulentos mientras reducen el proceso de creación y curación manual de atributos que consume mucho tiempo (y por lo tanto es costoso). Los modelos serán evaluados para la extracción automática y la detección de patrones de fraude dentro de los datos de transacciones secuenciales (por ejemplo, ingreso de efectivo, salida de efectivo, p2p, etc).

A lo largo de tu plazo, tú:

• Creará conjuntos de datos estandarizados y reutilizables para una evaluación y prueba consistentes de los modelos de secuencia
• Proporcionará una evaluación cuantitativa de las ventajas y desventajas de diferentes clases de modelos en base a la precisión, precisión/recuperación, costo de entrenamiento, tiempo de entrenamiento, requisitos de datos e interpretabilidad
• Crearás un código modular y bien documentado que pueda ser utilizado fácilmente para otras fuentes de datos secuenciales dentro del ecosistema Block

Tecnologías que usamos (y enseñamos):

• Python, NumPy, Pandas, PyTorch, TensorFlow, keras, JAX, Julia
• MySQL, Snowflake, GCP/AWS y Tableau
• Java

Qualificaciones

Tienes:

• 1-2 años de experiencia con Deep Learning aplicado
• Habilidad demostrada para implementar en la práctica arquitecturas de redes neuronales descritas en la literatura utilizando frameworks como PyTorch o Tensorflow
• Experiencia con técnicas avanzadas como embeddings de gráficos, modelado de secuencias irregulares y pronósticos de series de tiempo, cuantificación de incertidumbre, detección de anomalías, y ODEs neurales es una gran ventaja
• Una apreciación por la conexión entre el software y los modelos que construyes y la experiencia que ofrece a los clientes
• Tienes una mentalidad curiosa, apasionada y orientada al crecimiento

Información Adicional

Block adopta un enfoque basado en el mercado para la remuneración, y la remuneración puede variar dependiendo de tu ubicación. Las ubicaciones en los EE. UU. se categorizan en una de las cuatro zonas basadas en un índice de costo de mano de obra para esa área geográfica. La remuneración inicial del candidato exitoso se determinará en función de la ubicación de trabajo del candidato y puede ser modificada en el futuro.

Zona A: USD $51.00
Zona B: USD $48.45
Zona C: USD $45.90
Zona D: USD $43.35

Para encontrar la designación de zona de una ubicación, por favor refiérase a este recurso. Si una ubicación de interés no está listada, por favor, hable con un reclutador para obtener información adicional.