Specjalista ds. analizy danych - Wykrywanie

Kim jesteśmy?

Cześć! 👋 Jesteśmy Ravelinem! Jesteśmy firmą specjalizującą się w wykrywaniu oszustw, wykorzystującą zaawansowane technologie uczenia maszynowego i analizy sieci do rozwiązywania wielkich problemów. Naszym celem jest zabezpieczenie transakcji online i zapewnienie naszym klientom możliwości niezawodnej obsługi ich klientów.

Lubimy to, co robimy! Jesteśmy sympatycznym zespołem zobowiązanym do naszej kultury i naszych wartości: empatii, ambicji, jedności i integralności. Wysoko cenimy równowagę między życiem zawodowym a prywatnym i stosujemy płaską hierarchię w naszej firmie. Dołącz do nas, a szybko nauczysz się nowoczesnych technologii i będzie pracować z niektórymi z najzdolniejszych i najmilszych osób - spójrz na nasze recenzje na Glassdoor.

Jeśli to jest coś dla Ciebie, chcielibyśmy usłyszeć od Ciebie! Aby uzyskać więcej informacji, odwiedź nasz blog i dowiedz się, czy jesteś zainteresowany pomaganiem nam w zapobieganiu przestępczości i ochronie największych firm online na świecie.

Zespół

Będziesz częścią zespołu zajmującego się wykrywaniem. Zadaniem tego zespołu jest utrzymanie niskiego poziomu oszustw, aby zadowolić klientów, poprzez ciągłe szkolenie i wdrażanie modeli uczenia maszynowego. Naszym celem jest, aby wdrożenia modeli były tak proste i wolne od błędów jak wdrożenia kodu. Google’owymi Best Practices for ML Engineering służą nam jako przewodnik.

Nasze modele są szkolone do identyfikacji różnych typów oszustw, przy użyciu wielu źródeł danych i technik w czasie rzeczywistym. Systemy przewidywania rygorystycznie przestrzegają Umów o Poziomie Usług, każda prognoza musi zostać zwrócona w czasie krótszym niż 300 ms. Kiedy modele nie działają zgodnie z oczekiwaniami, zadaniem zespołu Detection jest zbadanie przyczyn.

Zespół Detection stanowi trzon sukcesu Ravelin. Ściśle współpracują z zespołem inżynierii danych, który buduje infrastrukturę, i zespołem Intelligence & Investigations, który utrzymuje kontakt z klientami.

Rola

Obecnie poszukujemy naukowca danych, który wesprze nas w szkoleniu, wdrażaniu, diagnozowaniu i ocenie naszych modeli wykrywania oszustw. Nasz idealny kandydat jest pragmatyczny, dostępny i bogaty w doświadczenie i wiedzę opartą na poprzednich porażkach.

Ocenianie modeli oszustw jest trudne; często nie otrzymujemy etykiet przez 3 miesiące. Będziesz musiał użyć swojego osądu przy analizie niejednoznacznych przypadków oszustw i przy badaniu prawdziwości samego modelu.

Musimy budować solidne modele, które są zdolne do aktualizowania swoich przekonań, gdy napotykają na nowe metody oszustwa: nasi klienci oczekują od nas, że będziemy o krok przed oszustami, a nie zacofani. Będziesz wyposażony w narzędzia, przestrzeń i wskazówki, których potrzebujesz, aby zbudować modele wykrywania oszustw na światowej klasy.

Praca nie polega tylko na nowatorskich badaniach. Codzienna praca polega na bezpiecznym, stopniowym postępie w kierunku lepszych modeli dla naszych klientów. Idealny kandydat jest chętny do zaangażowania się w obie strony pracy - i rozumie, dlaczego obie są konieczne.

Obowiązki

• Rozbudowa naszej infrastruktury do oceny i szkolenia modeli.
• Tworzenie i wdrażanie nowych modeli do wykrywania oszustw, przestrzegając przy tym SLA.
• Wprowadzanie nowych funkcji do naszej infrastruktury produkcyjnej.
• Badanie innowacyjnych taktyk przeciwdziałania oszustwom.
• Analiza problemów z wydajnością modelu (z wykorzystaniem Twojej wiedzy w zakresie debugowania modeli).

Wymagania

• Doświadczenie w tworzeniu i wdrażaniu modeli ML przy użyciu Python data stack (numpy, pandas, sklearn).
• Silne zdolności analityczne.
• Umiejętność współpracy z kolegami spoza Twojego zespołu, takimi jak zespoły wsparcia dla klientów czy inżynieria.
• Umiejętność przekazywania skomplikowanych technicznych koncepcji różnym publicznościom.
• Zdolność do zarządzania swoim ładunkiem pracy i odpowiedniego wyznaczania priorytetów.
• Komfort w pracy z zespołem hybrydowym

Podstawowe kwalifikacje

• Zrozumienie najlepszych praktyk inżynierii oprogramowania (kontrola wersji, testy jednostkowe, przeglądy kodu, ciągła integracja/ciągła dostawa) i ich zastosowanie do inżynierii uczenia maszynowego.
• Doświadczenie z Tensorflow i deep learning
• Doświadczenie z Kubernetes i infrastrukturą produkcyjną ML.
• Doświadczenie z Go, C++, Java lub innym językiem systemowym.

Korzyści

• Elastyczne godziny pracy, model pracy hybrydowej, biuro położone na Old Street zaopatrzone w przekąski i napoje oraz budżet na home office wynoszący £500.
• Opcje na akcje firmy
• 25 dni urlopu + święta + dodatkowy dzień wolny za każdy rok pracy (do 5) + 1 dodatkowy dzień wolny z powodów kulturowych
• Dodatkowe dni wolne dla całej firmy - Dni Dobrobytu i Nauki
• Roczny budżet na dobrobyt wynoszący £1000 do wydania przez Heka
• Wsparcie dla zdrowia psychicznego za pośrednictwem Spill
• Pełne ubezpieczenie zdrowotne z AXA, które obejmuje choroby istniejące przed podpisaniem umowy
• Plan emerytalny z Aviva
• Podniesione świadczenia rodzinne
• Imprezy firmowe, towarzyskie zespołu i budżet na spontaniczne wydarzenia, które może zorganizować każdy
• Ravelin Gives Back (RGB) - comiesięczne darowizny na cele charytatywne i regularne możliwości wolontariatu
• Spotkania zespołu co dwa tygodnie z losowo dobraną grupą osób z całej firmy, zarówno wirtualne (przez Deliveroo), jak i osobiście
• Dostęp do BorrowMyDoggy
• Wsparcie dla zakupu rowerów w korzystny podatkowo sposób przez program Cycle-to-Work
• Co tydzień wieczory gier planszowych

Oferty pracy mogą zostać cofnięte, jeśli kandydaci nie przejdą naszych kontroli przed zatrudnieniem: niespłacone wyroki kryminalne, weryfikacja zatrudnienia i prawo do pracy.