Młodszy Specjalista ds. Analizy Danych - Wykrywanie

Kim jesteśmy? Cześć! 👋 Jesteśmy Ravelin! Jesteśmy firmą zajmującą się wykrywaniem oszustw, korzystającą z zaawansowanego uczenia maszynowego i technologii analizy sieci, by poradzić sobie z głównymi problemami. Naszym celem jest zwiększenie bezpieczeństwa transakcji online i zapewnienie naszym klientom pewności w obsługiwaniu ich klientów. I świetnie się przy tym bawimy! Jesteśmy przyjaznym zespołem i jesteśmy dumni z kultywowania mocnej kultury i podtrzymywania naszych wartości: empatii, ambicji, jedności i integralności. Bardzo cenimy równowagę między życiem zawodowym a prywatnym i wprowadzamy płaską strukturę hierarchii w całej firmie. Dołącz do nas, a szybko nauczysz się najnowszych technologii i będziesz pracować z niektórymi z najmądrzejszych i najmiłszych osób w branży - sprawdź nasze opinie na Glassdoor. Jeśli to brzmi jak otoczenie dla Ciebie, chcielibyśmy usłyszeć od Ciebie! Aby uzyskać więcej informacji, odwiedź nasz blog, aby zobaczyć, czy chciałbyś nam pomóc w zapobieganiu przestępstwom i chronieniu światowych gigantów biznesu online. Zespół Dołączysz do zespołu Detection. Zadaniem tego zespołu jest utrzymanie minimalnej liczby oszustw i zadowolenia klientów poprzez regularne szkolenie i wdrażanie modeli uczenia maszynowego. Naszym celem jest, aby wdrażanie modeli było tak proste i wolne od błędów, jak wdrażanie kodu. Kierujemy się najlepszymi praktykami Google dla inżynierów ML jako naszym przewodnikiem. Nasze modele są szkolone do identyfikacji różnych rodzajów oszustw, przy użyciu różnych źródeł danych i technik w czasie rzeczywistym. Pipeliny predykcji podlegają rygorystycznym SLA, co wymaga, aby każde przewidywanie było zwrócone w mniej niż 300 ms. To zespół Detection ma za zadanie zbadanie sytuacji, gdy modele nie działają zgodnie z oczekiwaniami. Zespół Detection zajmuje centralną pozycję w osiągnięciach Ravelin. Ścisłe współpracują z zespołem inżynierów danych odpowiedzialnym za budowę infrastruktury oraz zespołem Intelligence & Investigations pomagającym klientom. Rola Obecnie rekrutujemy naukowca zajmującego się danymi, który pomoże w szkoleniu, wdrażaniu, debugowaniu i ocenie naszych modeli wykrywania oszustw. Nasz idealny kandydat jest praktyczny, dostępny i dobrze doświadczony. Ocena modeli oszustw jest złożona; często nie otrzymujemy etykiet nawet przez 3 miesiąca. Będziesz musiał wykorzystać swoje rozsądne osądy podczas analizowania przypadków niejednoznacznych oszustw i sprawdzania dokładności samego modelu. Musimy budować solidne modele, które mogą aktualizować swoje zrozumienie po napotkaniu nowych strategii oszustw: nasi klienci oczekują, że będziemy zawsze o krok przed oszustami, a nie gonić ich z tyłu. Będziesz wyposażony w narzędzia, przestrzeń i potrzebne wskazówki, aby rozwijać modele wykrywania oszustw na światowym poziomie. Postęp w kierunku ulepszonych modeli dla naszych klientów często polega na solidnych, stopniowych ulepszeniach, a nie tylko na pionierskich badaniach. Idealny kandydat jest gotowy do zaangażowania się w obie strony pracy - i rozumie, dlaczego obie są ważne. Obowiązki

• Rozszerzanie naszej infrastruktury szkoleniowej i ewaluacji modeli.
• Projektowanie i wdrażanie nowych modeli do identyfikacji oszustw, zgodnych ze standardami SLA.
• Wprowadzenie nowych funkcjonalności do naszej infrastruktury produkcyjnej.
• Badanie nowych strategii zwalczania oszustw.
• Analiza problemów z wydajnością modelu (wykorzystanie swojego doświadczenia w debugowaniu modeli).

Wymagania

• Ok. 1 rok doświadczenia w tworzeniu i wdrażaniu modeli ML przy użyciu Python data stack (numpy, pandas, sklearn).
• Silne zdolności analityczne.
• Świetne umiejętności współpracy z kolegami poza swoim bezpośrednim zespołem, jak zespoły wsparcia klienta lub inżynieryjne.
• Zdolność do przekazywania skomplikowanych koncepcji technicznych różnym odbiorcom.
• Swietne umiejętności zarządzania priorytetami i radzenia sobie z obciążeniem pracą.
• Komfortowe funkcjonowanie w zespole hybrydowym.

Mile widziane

• Zrozumienie najlepszych praktyk inżynierii oprogramowania (kontrola wersji, testy jednostkowe, przeglądy kodu, CI/CD) i ich zastosowanie w 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 mieszany pracy, biuro na Old Street i budżet na domowe biuro w wysokości 500 funtów.
• Opcje udziałów.
• 25 dni urlopu + święta + dodatkowy dzień wolny za każdy rok pracy (do 5) + 1 dodatkowy dzień wolny z przyczyn kulturowych.
• Dodatkowe miesięczne dni wolne dla całej firmy - Dni Dobrobytu i Nauki.
• Roczny budżet na dobrobyt do wydania przez Heka w wysokości 1000 funtów.
• Wsparcie dla zdrowia psychicznego przez Spill.
• Pełne pokrycie medyczne z AXA, w tym przewlekłe choroby.
• Schemat emerytalny z Aviva.
• Większe korzyści dla rodziców.
• Imprezy firmowe, imprezy zespołowe i budżet na mikro-imprezy, które każdy może organizować na każdą okazję.
• Ravelin Gives Back (RGB) - comiesięczne datki na cele charytatywne i regularne możliwości wolontariatu.
• Bi-tygodniowe lunche z team z przypadkowo wybraną grupą z firmy, na miejscu lub wirtualnie (za pośrednictwem Deliveroo).
• Dostęp do BorrowMyDoggy.
• Możliwość skorzystania z programu zakupu rowerów z ulgą podatkową przez schemat Cycle-to-Work.
• Tygodniowe wieczory z grami planszowymi.

*Oferty pracy mogą zostać wycofane, jeżeli kandydaci nie przejdą naszych kontroli przed zatrudnieniem: niekaralności, weryfikacji zatrudnienia i prawa do pracy.*