Główny Inżynier ds. Uczenia Maszynowego

Center 1 (19052), Stany Zjednoczone Ameryki, McLean, Wirginia Główny Inżynier Maszynowego Uczenia się Jako Inżynier Maszynowego Uczenia się w Capital One (MLE), będziesz częścią zespołu Agile dedykowanego do wprowadzania aplikacji i systemów z zakresu maszynowego uczenia się do produkcji na dużą skalę. Będziesz brał udział w szczegółowym projektowaniu technicznym, opracowywaniu i wdrażaniu aplikacji z wykorzystaniem maszynowego uczenia się na obecnej i rozwijającej się platformie technologicznej. Będziesz się skupiał na projektowaniu architektury maszynowego uczenia się, opracowywaniu i przeglądaniu kodu modeli i aplikacji oraz zapewnianiu, że nasze aplikacje maszynowego uczenia się utrzymują wysoką dostępność i wydajność. Otrzymasz szansę na ciągłe uczenie się i stosowanie najbardziej innowacyjnych i najlepszych praktyk w dziedzinie inżynierii maszynowego uczenia się. Dołączając do grupy decyzyjnej Capital One Travel, zyskasz możliwość budowania modeli maszynowego uczenia się, które staną się podstawą dostarczania naszym klientom spersonalizowanych rekomendacji, ofert i doświadczeń podróżniczych. Co będziesz robić na tym stanowisku: Rola MLE pokrywa się z wieloma dyscyplinami, takimi jak obsługa, modelowanie i inżynieria danych. Na tym stanowisku oczekuje się od Ciebie wykonywania wielu zadań związanych z inżynierią maszynowego uczenia się, które mogą obejmować jedno lub więcej z poniższych: - Projektowanie, rozwijanie i/lub wdrażanie modeli i komponentów ML, które rozwiązują realne problemy biznesowe, współpracując z zespołami Produktu i Nauki o Danych. - Podejmowanie świadomych decyzji dotyczących infrastruktury ML na podstawie rozumienia technik i problemów modelowania ML, w tym wyboru modelu, selekcji danych i cech, szkolenia modeli, dostrajania hiperparametrów, wymiarowości, obciążenia/wariancji i walidacji. - Rozwiązywanie trudnych problemów poprzez pisanie i testowanie kodu aplikacji, rozwijanie i walidowanie modeli ML oraz automatyzowanie testów i wdrażania. - Współpraca w ramach międzyfunkcyjnego zespołu Agile w celu tworzenia i ulepszania oprogramowania umożliwiającego tworzenie najnowocześniejszych aplikacji opartych na dużych danych i maszynowym uczeniu się. - Ponowne szkolenie, konserwacja i monitorowanie modeli w produkcji. - Stosowanie lub tworzenie architektur, technologii i/lub platform opartych na chmurze w celu dostarczania optymalizowanych modeli ML na dużą skalę. - Budowanie optymalizowanych potoków danych do zasilania modeli ML. - Stosowanie najlepszych praktyk ciągłej integracji i wdrażania, w tym automatyzacji testów i monitoringu, aby zapewnić udane wdrożenie modeli ML i kodu aplikacji. - Zapewnienie, że cały kod jest dobrze zarządzany, aby zmniejszyć podatność na błędy, modele są dobrze zarządzane z punktu widzenia ryzyka, a ML stosuje najlepsze praktyki odpowiedzialnej i wyjaśnialnej AI. - Korzystanie z języków programowania takich jak Python, Scala lub Java. Podstawowe wymagania: - Wykształcenie wyższe - Co najmniej 6 lat doświadczenia w projektowaniu i budowaniu rozwiązań intensywnie wykorzystujących dane za pomocą obliczeń rozproszonych (doświadczenie zdobyte na stażach nie jest uwzględniane) - Co najmniej 4 lata doświadczenia w programowaniu w Pythonie, Scali lub Java - Co najmniej 2 lata doświadczenia w budowaniu, skalowaniu i optymalizacji systemów ML Preferowane kwalifikacje: - Tytuł magistra lub doktora w dziedzinie informatyki, elektrotechniki, matematyki lub podobnej dziedzinie - 3+ lata doświadczenia w budowaniu działających w produkcji potoków danych zasilających modele ML - 3+ lata doświadczenia profesjonalnego z uznawanym w branży frameworkiem ML, takim jak scikit-learn, PyTorch, Dask, Spark lub TensorFlow - 2+ lata doświadczenia w tworzeniu wydajnego, elastycznego i łatwego do utrzymania kodu - 2+ lata doświadczenia w gromadzeniu i przygotowywaniu danych dla modeli ML - 1+ lat doświadczenia w kierowaniu zespołami w tworzeniu rozwiązań ML z wykorzystaniem najlepszych praktyk, wzorców i automatyzacji przemysłu - Doświadczenie w tworzeniu i wdrażaniu rozwiązań ML w publicznej chmurze, takiej jak AWS, Azure lub Google Cloud Platform - Doświadczenie w projektowaniu, implementacji i skalowaniu skomplikowanych potoków danych dla modeli ML oraz ocenie ich wydajności - Wpływ na branżę poprzez prezentacje konferencyjne, publikacje, wpisy na blogach, wkład w open source lub patenty Na razie Capital One nie sponsoruje nowych kandydatów do uzyskania uprawnień do pracy na tym stanowisku. Minimalne i maksymalne pełnoetatowe roczne pensje dla tej roli są wymienione poniżej, według lokalizacji. Zwracamy uwagę, że te informacje dotyczące pensji dotyczą wyłącznie kandydatów zatrudnionych do pracy w jednym z tych miejsc i odnoszą się do kwoty, jaką Capital One jest gotowe zapłacić w momencie publikacji tego ogłoszenia. Pensje dla ról na część etatu zostaną proporcjonalnie obniżone w oparciu o uzgodnione regularne godziny pracy. Nowy Jork (Hybrydowy Na Miejscu): $197,400 - $225,300 dla Głównego Inżyniera Maszynowego Uczenia się Kandydaci zatrudnieni do pracy w innych lokalizacjach otrzymają wynagrodzenie związane z daną lokalizacją, a rzeczywista roczna pensja oferowana każdemu kandydatowi w momencie zatrudnienia będzie odzwierciedlona wyłącznie w liście oferty dla kandydata. Ta rola jest również uprawniona do zdobycia premii wynikowych, które mogą obejmować premie pieniężne i/lub długoterminowe bodźce (LTI). Incentives could be discretionary or non-discretionary depending on the plan. Capital One oferuje kompleksowe, konkurencyjne i integracyjne pakiety zdrowotne, finansowe i inne, które wspierają Twoje ogólne samopoczucie. Dowiedz się więcej na stronie Kariery w Capital One. Uprawnienia zależą od statusu, czy pracownik pracuje na pełny czy na niepełny etat, czy jest zwolniony spod przepisów dotyczących nadgodzin czy nie, oraz od poziomu zarządzania.