Примененное Глубокое Обучение, Стажер-Магистр или Доктор Наук

Описание компании

Все началось с идеи в Block в 2013 году. Изначально созданное для устранения неудобств персональных платежей, приложение Cash App из простого продукта с одной функцией превратилось в динамичную экосистему, создающую уникальные финансовые продукты, включая Afterpay/Clearpay. Это предоставляет лучший способ для наших 47 миллионов активных клиентов в месяц отправлять, тратить, инвестировать, занимать и экономить. Мы стремимся изменить отношение мира к деньгам так, чтобы они стали более понятными, немедленно доступными и универсально получаемыми.

В настоящее время в Cash App тысячи сотрудников работают по всему миру в офисах и на удаленных площадках, культура которых сосредоточена на инновациях, сотрудничестве и влиянии. Мы были распределенной командой с самого начала, и многие из наших ролей могут выполняться удаленно в странах, где работает Cash App. Независимо от места, мы адаптируем свой опыт, чтобы наши сотрудники были креативны, продуктивны и довольны.

Исследуйте наши места, преимущества и многое другое на cash.app/careers.

Описание работы

Эта возможность доступна исключительно студентам, сейчас обучающихся в магистратуре или аспирантуре, и предлагает работу сроком на 8 месяцев (с возможностью продления) в команде по риску ИИ Cash App, начиная с лета или осени 2024 года. Если вы уже окончили обучение (или должны окончить до мая 2023 года), завьавляйтесь на одну из наших полноценных должностей.

Машинное обучение является важной частью того, как мы разрабатываем продукты, работаем и осуществляем миссию Cash App по обслуживанию необеспеченных населенных пунктов и нарушению традиционных финансовых учреждений. Наш масштаб и обширный пул данных о транзакциях предоставляют бесконечные возможности для использования искусственного интеллекта для лучшего понимания наших клиентов и представления новых продуктов и опыта, которые могут улучшить их жизнь. Мы - очень креативная группа, которая предпочитает решать проблемы с первых принципов; мы быстро продвигаемся вперед, вносим постепенные изменения и ежедневно развертываемся в производстве.

Цель этого проекта - систематически изучать и проверять продвинутые последовательные модели (включая двунаправленные РНС, авторегрессионные КНС, преобразователи и нейронно-управляемые дифференциальные уравнения) на данных временных рядов, созданных в Cash. Cash App собирает ряд сигналов о том, как наши клиенты взаимодействуют с платформой - мы определим оптимальный способ использования этих данных с помощью передовых методов глубокого обучения.

Глубокие последовательные модели предлагают возможность значительно улучшить нашу способность обнаруживать мошенническое поведение, снижая при этом обширный (и следовательно, дорогостоящий) процесс ручного создания и курирования признаков. Модели будут оцениваться по автоматическому извлечению и обнаружению мошеннических схем в последовательных данных транзакций (например, зачисление, вывод средств, p2p и т.д.).

Обязанности во время вашего срока службы будут включать:

• Формирование стандартизированных и повторно используемых наборов данных для постоянного сравнения и тестирования моделей последовательностей
• Предоставление количественной оценки преимуществ и недостатков различных классов моделей на основе точности, точности/полноты, стоимости обучения, времени обучения, требований к данным и интерпретируемости
• Создание модульной и хорошо задокументированной кодовой базы, которую можно легко использовать для других источников последовательных данных в экосистеме Block

Технологии, которые мы используем (и обучаем):

• Python, NumPy, Pandas, PyTorch, TensorFlow, keras, JAX, Julia
• MySQL, Snowflake, GCP/AWS и Tableau
• Java

Квалификация

Вы обладаете:

• 1-2 годами практического опыта применения глубокого обучения
• Продемонстрировали способность реализовывать архитектуры нейронных сетей, описанные в научной литературе, с помощью таких фреймворков, как PyTorch или Tensorflow
• Опыт работы с передовыми техниками, такими как вложения графов, моделирование нерегулярных последовательностей и прогнозирование временных рядов, количественная оценка неопределенности, обнаружение аномалий и нейронные ОДУ, является большим преимуществом
• Понимание связи между программным обеспечением и моделями, которые вы создаете, и опытом его работы с клиентами
• Любознательность, страсть, ориентированность на рост

Дополнительная информация

Block применяет рыночный подход к компенсации труда, и оплата может варьироваться в зависимости от вашего местонахождения. Местоположения в США группируются в одну из четырех зон в зависимости от индекса стоимости труда для этой географической области. Начальная зарплата успешного кандидата будет определена на основе места работы кандидата и может быть скорректирована в будущем.

Зона А: 51,00 доллара США
Зона B: 48,45 доллара США
Зона C: 45,90 долларов США
Зона D: 43,35 долларов США

Чтобы определить принадлежность местоположения к зоне, обратитесь к этому ресурсу. Если интересующего вас местоположения нет в списке, пожалуйста, обратитесь за дополнительной информацией к рекрутеру.