Naukowiec Aplikacyjny II, Centrum Innowacji Generatywnej Sztucznej Inteligencji

Uczenie maszynowe (ML) od początku było kluczowe dla Amazona. Zdobyliśmy sobie pozycję lidera w dziedzinach takich jak silniki rekomendacji, wyszukiwanie produktów, wykrywanie oszustw w e-handlu oraz optymalizacja operacji w dużych centrach logistycznych. Zespół Generative AI pomaga klientom AWS w przyspieszaniu wykorzystania Generative AI do rozwiązywania problemów biznesowych i operacyjnych oraz wspiera innowacje w ich organizacjach. Jako naukowiec praktyczny, Twoją specjalnością jest projektowanie i rozwijanie zaawansowanych modeli ML do radzenia sobie z różnorodnymi wyzwaniami i szansami. Będziesz pracować z terabajtami danych tekstowych, obrazkowych i innych typów, aby rozwiązać problemy ze świata rzeczywistego. Będziesz projektować i realizować eksperymenty, badać nowe algorytmy, a także eksplorować nowe metody optymalizacji ryzyka, dochodów i doświadczeń klienta. Szukamy zdolnych naukowców zdolnych do stosowania algorytmów ML oraz najnowszych technik uczących głęboko (DL) i reakcyjnych do różnych dziedzin, takich jak odkrywanie leków, segmentacja klientów, zapobieganie oszustwom, planowanie zdolności produkcyjnych, optymalizacja cen, analizy call center, estymacja pozycji gracza, wykrywanie zdarzeń i asystenci wirtualni, między innymi. Kluczowe obowiązki stanowiska Główne obowiązki na tym stanowisku obejmują: Projektowanie, rozwijanie i ocenianie innowacyjnych modeli ML do rozwiązywania różnorodnych wyzwań i szans we wszystkich sektorach. Bezpośrednie zaangażowanie w bieżące problemy biznesowe klientów i pomoc w definiowaniu i implementowaniu skalowalnych rozwiązań Generative AI, które mogą rozwiązać ich problemy. Ścisła współpraca z zespołami obsługi klienta, zespołami naukowców i zespołami inżynierii produktów w celu promowania implementacji modeli i nowych rozwiązań. Kultura zespołu otwartego na różnorodność W AWS cieszymy się z naszych różnic. Jesteśmy zdeterminowani, aby nadal pielęgnować naszą kulturę inkluzywności. Mamy dziesięć grup związku pracowniczego, które liczą 40 000 pracowników z ponad 190 rozdziałów na całym świecie. Oferujemy innowacyjne korzyści i organizujemy coroczne i bieżące doświadczenia edukacyjne, w tym nasze rozmowy na temat rasy i etniczności (CORE) i konferencje AmazeCon (dotyczące różnorodności płci). Równowaga między pracą a życiem prywatnym Nasz zespół bardzo ceni sobie równowagę między pracą a życiem prywatnym. Nie chodzi tu o liczbę godzin spędzonych w domu czy w pracy, ale o ustanowiony przepływ energii, który czerpie z obu obszarów Twojego życia. Wierzymy, że prawidłowa równowaga między życiem osobistym a zawodowym jest kluczowa dla trwałego szczęścia i spełnienia. Oferujemy elastyczne godziny pracy i zachęcamy do ustanowienia unikatowej równowagi między pracą a życiem prywatnym. Mentoring i rozwój kariery Nasz zespół jest zobowiązany do wspierania nowych członków. Mamy zróżnicowany mix poziomów doświadczenia, co sprzyja kulturze, która promuje dzielenie się wiedzą i mentoring. Nasi starsi członkowie z zapartym tchem oczekują na mentoring indywidualny i dogłębne, choć konstruktywne, recenzje kodu. Dbamy o rozwój Twojej kariery i dążymy do przydzielania projektów na podstawie tego, co pomoże każdemu członkowi zespołu stać się lepszym inżynierem i w przyszłości podejmować bardziej zaawansowane zadania. Jesteśmy otwarci na zatrudnienie kandydatów, którzy mogą pracować w jednym z poniższych lokalizacji: Santa Clara, CA, USA Podstawowe kwalifikacje 3+ lata doświadczenia w budowie modeli dla aplikacji biznesowych. Doktorat, lub magisterium i 4 lata doświadczenia w CS, CE, ML lub pokrewnej dziedzinie. Doświadczenie w patentach lub publikacjach w czołowych, recenzowanych konferencjach lub czasopismach. Doświadczenie w programowaniu w Java, C++, Python lub podobnym języku. Doświadczenie w jednej z następujących dziedzin: algorytmy i struktury danych, parsowanie, optymalizacja numeryczna, górnictwo danych, obliczenia równoległe i rozproszone, obliczenia o wysokiej wydajności. Doświadczenie z metodami uczenia głębokiego i uczenia maszynowego. Preferowane kwalifikacje Doświadczenie w profesjonalnym rozwoju oprogramowania. Stopień doktora w dziedzinie informatyki, inżynierii, matematyki, badań operacyjnych lub w bardzo ilościowej dziedzinie. Praktyczne doświadczenie w rozwiązywaniu skomplikowanych problemów w środowisku stosowanym. Praktyczne doświadczenie w budowie modeli z wykorzystaniem głębokich ram uczenia takich jak MXNet, TensorFlow, czy PyTorch. Silne umiejętności komunikacyjne, dbałość o szczegóły i umiejętność przekazywania skomplikowanych matematycznych koncepcji i rozważań osobom niespecjalistycznym. Komfort pracy w szybkim, wspólnym, dynamicznym środowisku pracy. Naukowe myślenie i zdolność do wynalezienia, świadectwo liderstwa myśli i wkładu, który przyczynił się do postępu w dziedzinie. Amazon jest zaangażowany w promowanie różnorodności i integracji na miejscu pracy. Amazon jest pracodawcą równych szans i nie dyskryminuje ze względu na rasę, pochodzenie narodowe, płeć, tożsamość płci, orientację seksualną, status weterana, niepełnosprawność, wiek ani na podstawie jakiegokolwiek innego statusu prawnie chronionego. Osoby niepełnosprawne, które chciałyby wystąpić o zakwaterowanie, mogą odwiedzić https://www.amazon.jobs/en/disability/us. Nasze wynagrodzenia odzwierciedlają koszty pracy w kilku amerykańskich rynkach geograficznych. Podstawowa płaca na tym stanowisku wynosi od 136 000 USD/rok na naszym najniższym rynku geograficznym do 222 200 USD/rok na naszym najwyższym rynku geograficznym. Wynagrodzenie zależy od różnych czynników, w tym od lokalizacji rynku i wiedzy, umiejętności i doświadczenia związanych z pracą. Amazon jest firmą oferującą pełne wynagrodzenie. W zależności od oferowanego stanowiska, udział w akcjach, bonusy za podjęcie pracy i inne formy wynagrodzenia mogą być zapewnione jako część całkowitego pakietu wynagrodzeń, oprócz pełnego zakresu medycznych, finansowych i innych korzyści. Aby uzyskać więcej informacji, proszę odwiedzić: https://www.aboutamazon.com/workplace/employee-benefits. Kandydaci powinni aplikować poprzez naszą wewnętrzną lub zewnętrzną stronę kariery.