Software Engineer, Applied Machine Learning (Semantic Search, Natural Language Processing (NLP), Large Language Models) – Priceless Platform

Witamy w fascynującej możliwości kariery w Mastercard!

W Mastercard pracujemy sumiennie, aby połączyć i wzmocnić inkluzję w cyfrowej gospodarce, która przynosi korzyści wszystkim, wszędzie. Poprzez sprawianie, że transakcje są bezpieczne, proste, inteligentne i dostępne, dążymy do wspierania wzrostu i potencjału. Wykorzystując bezpieczne dane, sieci, partnerstwa i pasję do innowacji, pomagamy osobom indywidualnym, instytucjom finansowym, rządom oraz przedsiębiorstwom w osiągnięciu ich największego potencjału. Nasz Decency Quotient (DQ) jest kamieniem węgielnym naszej kultury, wspierającym inkluzję i szacunek dla indywidualnych sił, poglądów i doświadczeń w naszym zespole. Akceptacja różnorodności umożliwia nam podejmowanie lepszych decyzji, napędzanie innowacji i osiąganie lepszych wyników biznesowych.

Jeśli masz ponad 4 lata doświadczenia w branży pracując nad technologiami związanymi z przetwarzaniem języka naturalnego i maszynowym uczeniem się na bazie tekstu, takimi jak Semantic Search, przetwarzanie języka naturalnego, bazy danych wektorowych, modele bazowe lub duże modele językowe, chcemy usłyszeć o Tobie.

Platforma Priceless jest wiodącą globalną platformą Mastercard dla naszych klientów i partnerów, hostowaną na AWS. Stworzona przez startup z Doliny Krzemowej przejęty przez Mastercard, doświadczamy znacznego wzrostu i pracujemy nad skalowaniem naszej platformy. Dążymy do integracji dodatkowych możliwości Semantic Search i przetwarzania języka naturalnego (NLP) w naszej platformie z Twoją pomocą.

Jako praktyczny inżynier oprogramowania dołączysz do naszego zespołu, aby rozwijać i wdrażać możliwości wykorzystania aplikowanego uczenia maszynowego, takie jak Semantic Search, ulepszone rekomendacje, zaawansowane przetwarzanie tekstu i tłumaczenia, a możliwe że również interfejs konwersacyjny. Wykorzystasz techniki Semantic Search oparte na ML, NLP, modele bazowe i duże modele językowe (LLM), aby zbudować i wdrożyć te możliwości w ramach naszej platformy.

• Zbadaj i zastosuj techniki takie jak Semantic Search, aby rozszerzyć i skalować funkcjonalność wyszukiwania na naszej platformie, używając technologii takich jak Elastic.
• Zaprojektuj i wdroż skalowalny przepływ przetwarzania tekstu, aby usprawnić nasze workflow przetwarzania treści tekstowych i obrazowych, stosując najnowocześniejsze modele NLP, Foundation lub LLM takie jak GPT, Claude, Gemini, BERT lub inne architektury oparte na transformatorach.
• Przygotuj wysokiej jakości dane treningowe lub zastosuj modele uzupełniające wyszukiwanie, aby poprawić wydajność i dokładność systemu.
• Dostosuj i dostroj modele LLM, aby dostosować je do konkretnych wymagań domenowych naszego systemu rekomendacji.
• Twórz i integruj metryki oceny, aby ciągle monitorować i poprawiać wydajność silnika rekomendacji.
• Optymalizuj system rekomendacji pod kątem niskiego opóźnienia, wysokie