Stosowane uczenie głębokie, stażysta magisterski lub doktorski

Opis firmy

Wszystko zaczęło się od pomysłu w Block w 2013 roku. Początkowo stworzony, aby zniwelować niedogodności płatności peer-to-peer, Cash App przekształcił się z podstawowego produktu o jednej funkcji w dynamiczny ekosystem tworzący wyjątkowe produkty finansowe, w tym Afterpay/Clearpay. To dostarcza wyższej metody dla naszych 47 milionów aktywnych użytkowników miesięcznie do wysyłania, wydawania, inwestowania, pożyczania i oszczędzania. Naszym celem jest zdefiniowanie na nowo relacji świata z pieniędzmi, aby stały się one bardziej zrozumiałe, dostępne natychmiast i powszechne.

Obecnie Cash App ma tysiące pracowników na całym świecie, zarówno w biurach, jak i na stronach zdalnych, a jego kultura koncentruje się na innowacjach, współpracy i wpływie. Już od początku byliśmy zespołem rozproszonym i wiele naszych ról może być wykonywanych zdalnie z krajów, gdzie działa Cash App. Bez względu na lokalizację, dostosowujemy swoje doświadczenie, aby nasi pracownicy byli twórczy, produktywni i zadowoleni.

Odkryj nasze lokalizacje, korzyści i więcej na cash.app/careers.

Opis stanowiska

Ta możliwość jest dostępna wyłącznie dla studentów aktualnie zapisanych na studia magisterskie lub doktoranckie i oferuje 8-miesięczną umowę (z możliwością przedłużenia) w zespole Risk AI Cash App, rozpoczynającą się latem lub jesienią 2024 roku. Jeżeli już ukończyłeś studia (lub masz je ukończyć przed majem 2023), prosimy o zgłoszenie do jednej z naszych pełnoetatowych ról.

Uczenie maszynowe jest kluczowym elementem, jak projektujemy produkty, działamy i realizujemy misję Cash App, aby obsługiwać osoby nie posiadające konta bankowego i zakłócać tradycyjne instytucje finansowe. Nasza ogromna skala i obszerna baza danych transakcyjnych oferują nieskończone możliwości wykorzystania sztucznej inteligencji do lepszego zrozumienia naszych klientów i wprowadzania nowych produktów i doświadczeń, które mogą podnieść ich życie. Jesteśmy bardzo kreatywną grupą, która woli rozwiązywać problemy od podstaw; postępujemy szybko, wprowadzamy stopniowe zmiany i wdrażamy do produkcji codziennie.

Celem tego projektu jest systematyczne badanie i walidacja zaawansowanych modeli sekwencyjnych (w tym dwukierunkowych RNN, autoregresyjnych CNN, transformatorów i sterowanych przez sieć różniczkowych równań) na danych czasowych generowanych w Cash. Cash App zbiera różne sygnały na temat interakcji naszych klientów z platformą - ustalimy optymalny sposób wykorzystania tych danych za pomocą najnowszych metod głębokiego uczenia.

Głębokie modele sekwencyjne oferują potencjał znacznego poprawienia naszej zdolności do wykrywania oszustw przy jednoczesnym zmniejszeniu rozległego (a tym samym kosztownego) procesu ręcznego tworzenia i kuracji cech. Modele zostaną zbenchmarkowane pod kątem automatycznego ekstrakcji i wykrywania wzorców oszustw w sekwencyjnych danych transakcyjnych (np. gotówka w, gotówka out, p2p, itp.).

Obowiązki podczas okresu trwania kontraktu obejmują:

• Formułowanie standaryzowanych i wielokrotnego użytku zestawów danych do spójnego benchmarkingu i testowania modeli sekwencyjnych
• Dostarczanie ilościowej oceny zalet i wad różnych klas modeli na podstawie dokładności, precyzji/wywołania, kosztu szkolenia, czasu szkolenia, wymagań dotyczących danych i interpretowalności
• Budowanie modułowej i dobrze udokumentowanej bazy kodu, która może być łatwo zastosowana do innych źródeł sekwencyjnych danych w ekosystemie Block

Technologie, których używamy (i uczymy):

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

Kwalifikacje

Masz:

• 1-2 lata praktycznego doświadczenia z zastosowanym Deep Learning
• Udowodnione zdolności do implementacji architektur sieci neuronowych opisanych w literaturze za pomocą takich frameworków jak PyTorch lub Tensorflow
• Doświadczenie z zaawansowanymi technikami, takimi jak osadzanie grafów, modelowanie nieregularnej sekwencji i prognozowanie szeregów czasowych, kwantyfikacja niepewności, wykrywanie anomalii i ODE neuronowe jest wysoce pożądane
• Zrozumienie związku między oprogramowaniem i modelami, które tworzysz, a doświadczeniem, które to dostarcza klientom
• Ciekawy, pasjonujący, nastawiony na rozwój sposób myślenia

Dodatkowe informacje

Block przyjmuje podejście rynkowe do wynagrodzenia, a płaca może się różnić w zależności od twojej lokalizacji. Lokalizacje w Stanach Zjednoczonych są pogrupowane w jedną z czterech stref na podstawie wskaźnika kosztów pracy dla tego obszaru geograficznego. Początkowe wynagrodzenie wybranego kandydata będzie ustalone na podstawie miejsca pracy kandydata i może być dostosowane w przyszłości.

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

Aby określić przypisanie strefy dla lokalizacji, prosimy o zapoznanie się z tym źródłem. Jeśli interesująca Cię lokalizacja nie jest wymieniona, prosimy skonsultować się z rekruterem w celu uzyskania dalszych informacji.