Machine Learning Scientist - NLP - Sr. Associate

Job expired!

Исследуйте мир инноваций и технологий с доступными позициями в JPMorgan Chase & Co., глобальном лидере в области финансовых решений. В настоящее время мы ищем талантливых специалистов на роли ученых в области машинного обучения, специализирующихся на обработке естественного языка (NLP), на уровне старшего ассоциата, вице-президента и исполнительного директора в наших динамичных офисах в Нью-Йорке, Пало Альто и Сиэтле, штат Вашингтон.

Эта захватывающая роль представляет собой уникальную возможность заняться новыми и сложными задачами, которые будут значительно влиять на операционную динамику банка. Погрузитесь в такие области, как анализ речи, анализ временных рядов, обучение с подкреплением и системы рекомендаций. Сотрудничайте с разнообразными командами и делитесь своими знаниями эксперта для продвижения применения машинного обучения в банковской сфере.

  • Самостоятельно исследовать и разрабатывать передовые модели машинного обучения, особенно сосредоточив внимание на технологиях NLP и распознавания речи.
  • Взаимодействовать с межфункциональными командами, включая бизнес, технологии и соответствие требованиям, для обеспечения бесперебойного внедрения решений ML в производство.
  • Лидировать в инициативах по созданию масштабируемых фреймворков, повышающих применение машинного обучения в различных бизнес-единицах.
  • Участвовать в глобальных конференциях и вносить вклад в наши внутренние инициативы по обмену знаниями, чтобы быть в курсе отраслевых тенденций.
  • Докторская степень в области информатики, электротехники или в смежной количественной области или магистр с более чем 3-летним опытом работы.
  • Доказанный опыт работы в NLP, алгоритмах глубокого обучения и фреймворках машинного обучения, таких как TensorFlow и PyTorch.
  • Способность разрабатывать стратегические эксперименты ML и оценивать эффективность моделей в соответствии с ключевыми бизнес-целями.
  • Прочная основа в математике и статистике; опыт работы в финансовом секторе является преимуществом.
  • История публикаций, прошедших рецензирование, в области маш