Senior Machine Learning Engineer (Python, Spark, MLOPS, Cloud)

Location : Center 1 (19052), McLean, Virginie, États-Unis d'Amérique

En tant que Senior Machine Learning Engineer chez Capital One, vous ferez partie d'une équipe Agile engagée dans le développement et la mise à l'échelle des applications de machine learning. Vous contribuerez à la conception technique détaillée, au développement et à la mise en œuvre de systèmes de machine learning en utilisant à la fois des technologies établies et émergentes. Assurez la haute disponibilité et la performance des applications de machine learning tout en apprenant et en appliquant les meilleures pratiques en ingénierie de machine learning.

Le rôle de Machine Learning Engineer (MLE) intègre des aspects des opérations, de la modélisation et de l'ingénierie des données. Les activités principales incluent :

• Concevoir, construire et livrer des modèles de machine learning pour résoudre des problèmes commerciaux réels en collaboration avec les équipes produit et data science.
• Prendre des décisions éclairées sur l'infrastructure ML, en tenant compte du type de modèle, de la sélection de données, de l'entraînement du modèle, du réglage des hyperparamètres et de la validation.
• Aborder des problèmes complexes avec du code applicatif, le développement de modèles ML, la validation et les tests automatisés.
• Collaborer avec des équipes Agile interfonctionnelles pour développer et améliorer des logiciels pour les applications de Big Data et ML.
• Recycler, maintenir et surveiller les modèles en production.
• Tirer parti des architectures basées sur le cloud pour optimiser les modèles ML à grande échelle.
• Construire des pipelines de données pour supporter les modèles ML.
• Adopter les meilleures pratiques d'intégration et de déploiement continus, y compris l'automatisation des tests et la surveillance, pour déployer avec succès des modèles ML.
• Assurer la gestion du code, la gouvernance des risques des modèles et l'adhésion aux meilleures pratiques en IA Responsable et Explicable.
• Utiliser des langages de programmation tels que Python, Scala ou Java.

Diplôme de bachelier

• Au moins 4 ans d'expérience en programmation avec Python, Scala ou Java.
• Au moins 3 ans d'expérience dans la conception et la construction de solutions intensives en données utilisant l'informatique distribuée.
• Au moins 2 ans d'expérience avec des frameworks ML reconnus (scikit-learn, PyTorch, Dask, Spark ou TensorFlow).
• Au moins 1 an d'expérience dans la mise en production, la surveillance et la maintenance de modèles.

• 1+ ans d'expérience dans la construction, la mise à l'échelle et l'optimisation des systèmes ML.
• 1+ ans d'expérience dans la collecte et la préparation de données pour les modèles ML.
• 2+ ans d'expérience dans le développement de code résilient et maintenable.
• Expérience avec le déploiement de solutions ML dans des environnements cloud publics tels que AWS, Azure ou Google Cloud Platform.
• Master ou doctorat en informatique, en ingénierie électrique, en mathématiques ou dans un domaine connexe.
• 3+ ans d'expérience avec des systèmes de fichiers distribués ou des paradigmes de bases de données multi-nœuds.
• Contribution à des logiciels ML open source.
• Auteur ou co-auteur d'un article sur une technique ML, un modèle ou une preuve de concept.
• 3+ ans d'expérience dans la construction de pipelines de données qui supportent des modèles ML.
• Expérience dans la conception, la mise en œuvre et l'évaluation de pipelines de données complexes pour les modèles ML.

Le salaire annuel à temps plein pour ce rôle à New York (Hybrid On-Site) varie de 165 100 $ à 188 500 $. La compensation en dehors de New York varie selon l'emplacement. Ce rôle est également éligible à des incitations basées sur la performance, y compris des primes en espèces et des incitations à long terme. En savoir plus sur nos avantages complets, concurrentiels et inclusifs sur le site de Carrières Capital One.

Capital One est un employeur garantissant l'égalité des chances, engagé envers la diversité et l'inclusion sur le lieu de travail. Tous les candidats