Machine Learning/Data Science Research Engineer

Job expired!

Peraton, лидер в области национальной безопасности и инновационных технологий, ищет высококвалифицированного исследователя-инженера в области машинного обучения и науки о данных для улучшения наших передовых возможностей в области кибербезопасности и критически важных технологий. Имея корни в Bell Labs, Bellcore и Telcordia, лаборатории Peraton стоят на передовой решения сложных задач для государственных агентств, коммунальных служб и коммерческих предприятий.

В рамках нашей динамичной команды вы будете:

Анализировать потребности конечных пользователей для определения производительности и требований к инфраструктуре, превращая эти потребности в надежные решения в области ML.
Проектировать и внедрять передовые модели машинного обучения, используя фреймворки вроде PyTorch и TensorFlow, сосредоточив внимание на обучении представлений сетей/графов и построении графов.
Разрабатывать конвейеры ETL для управления большими наборами данных, необходимыми для обучения моделей ML.
Применять графовые нейронные сети (GNN) для получения встроенных представлений для различных аналитических задач.
Использовать автоматизированные инструменты для настройки моделей машинного обучения и обеспечения эффективного обучения моделей.
Создавать модели данных, представляющие явления реального мира с использованием графовых структур, оптимизированных для пространства и вычислительной эффективности.

Кандидаты должны демонстрировать:

Минимальный опыт работы 8 лет с BS/BA, 6 лет с MS/MA или 3 года с PhD.
Профессионализм в разработке и обучении моделей машинного обучения, включая DNNs, SVMs и другие, используя как собственные, так и передовые подходы к обучению.
Умение эффективно манипулировать данными с использованием библиотеки Pandas в Python и опыт работы с системой контроля версий Git.

Идеальные кандидаты также будут иметь:

Глубокий опыт разработки глубоких нейронных сетей с нуля и применения генеративных моделей, таких как GANs.
Экспертизу в области обучения с подкреплением, инженерии сетей и разработке на системах на базе GNU/Linux.
Знакомство с практиками MLOps, контейнеризацией с помощью Docker и инструментами оркестрации, такими как Kubernetes и Terraform.
Нахождение владения секретным допуском будет являться значитель