Молодший науковець-дослідник з обробки даних - Виявлення

Хто ми? Привіт! 👋 Ми - Ravelin! Ми компанія з виявлення шахрайства, яка використовує передові технології машинного навчання і аналізу мереж для вирішення великих проблем. Наша мета - зробити онлайн-транзакції безпечнішими та переконати наших клієнтів в безумовному обслуговуванні своїх покупців. І ми цим займаємось з задоволенням! Ми дружня команда і пишаємося тим, що вирощуємо сильну корпоративну культуру та дотримуємося наших цінностей емпатії, амбіцій, єдності та чесності. Ми високо цінуємо баланс між роботою та відпочинком та впроваджуємо структуру плоскої ієрархії в компанії. Приєднуйтесь до нас і ви швидко дізнаєтесь про передові технології та працюватимете разом з деякими з найяскравіших і найдобріших людей у бізнесі - перевірте наші відгуки на Glassdoor. Якщо вам подобається таке середовище, ми з радістю поділимось з вами деталями! Для отримання більш детальної інформації відвідайте наш блог, щоб дізнатися, чи хотіли б ви допомогти нам запобігти злочинності та захистити гігантські онлайн-бізнеси світу. Команда Ви приєднаєтесь до команди Виявлення. Ця команда має завдання забезпечити мінімальні показники шахрайства та задоволення клієнтів, регулярно навчаючи та впроваджуючи моделі машинного навчання. Наша мета полягає в тому, щоб впровадження моделей було таким же беззаперечним та без помилок, як і розгортання програмного коду. Ми керуємося Найкращими практиками для інженерії машинного навчання Google як нашим керівництвом. Наші моделі навчаються ідентифікувати кілька типів шахрайства, використовуючи різні джерела даних та техніки в реальному часі. Пайплайни прогнозування підлягають строгим SLA, які вимагають, щоб кожен прогноз був наданий за менше ніж 300 мс. Після цього команда Виявлення повинна досліджувати, чому моделі не працюють, як очікувалося. Команда Виявлення займає центральне місце в досягненнях Ravelin. Вони тісно співпрацюють з командою інженерів по обробці даних, відповідальними за створення інфраструктури, та командою розвідки та розслідувань, яка допомагає клієнтам. Роль В даний час ми розшукуємо науковця-дослідника за даними для допомоги у підготовці, розгортанні, налагодженні та оцінюванні наших моделей виявлення шахрайства. Наш ідеальний кандидат - практичний, доступний та добре досвідчений. Оцінка моделей шахрайства є складною; часто ми навіть не отримуємо міток протягом 3 місяців. Вам доведеться використати свій розсуд під час розслідування випадків неоднозначного шахрайства та підтверджувати точність самої моделі. Ми повинні будувати стійкі моделі, здатні оновлювати своє розуміння при зустрічі з новими стратегіями шахрайства: наші клієнти очікують, що ми завжди будемо на крок попереду шахрайства, а не відстаємо від нього. Ви будете оснащені необхідними інструментами, простором та наставництвом для розробки світових моделей виявлення шахрайства. Перехід до вдосконалених моделей для наших клієнтів часто йдеться про безпечні поступові прогресивні зміни, а не лише про першопроходче дослідження. Ідеальний кандидат готовий зацікавитися обома аспектами роботи - і розуміє, чому обидва є важливими. Обов'язки

• Розширення нашої інфраструктури оцінювання та навчання моделей.
• Проектування та впровадження нових моделей для ідентифікації шахрайства, дотримуючись SLA.
• Впровадження нових функцій у нашій виробничій інфраструктурі.
• Дослідження нових стратегій для боротьби з шахрайською поведінкою.
• Перевірка проблем з продуктивністю моделі (використовуючи ваш досвід у налагодженні моделей).

Вимоги

• Близько року досвіду в створенні та впровадженні моделей МН, використовуючи Python data stack (numpy, pandas, sklearn).
• Сильні аналітичні навички.
• Відмінні навички співпраці з колегами поза вашою безпосередньою командою, наприклад, з командами підтримки клієнтів або інженерії.
• Здатність пояснювати складні технічні концепції різноманітним слухачам.
• Відмінні навички пріоритизації та здатність керувати своєю роботою.
• Здатність комфортно працювати в гібридній команді.

Плюсом є

• Розуміння найкращих практик програмної інженерії (контроль версій, модульні тести, кодові огляди, CI / CD) та як вони застосовуються до інженерії машинного навчання.
• Досвід роботи з Tensorflow та глибоким навчанням.
• Досвід роботи з Kubernetes та інфраструктурою виробництва ML.
• Досвід роботи з Go, C++, Java або іншою системною мовою.

Пільги

• Гнучкий графік роботи, гібридна модель роботи, офіс в Old Street та бюджет для домашнього офісу у 500 фунтів.
• Опції акцій.
• 25 днів відпустки + банківські свята + додатковий вихідний на рік служби (до 5) + 1 додатковий вихідний день з культурних міркувань.
• Додаткові вихідні по всій компанії щомісяця - Дні добробуту та навчання.
• Річний бюджет на добробут у розмірі 1000 фунтів, який можна витратити через Heka.
• Підтримка психічного здоров'я через Spill.
• Повне медичне страхування з AXA, включаючи хвороби, що існували до початку дії поліса.
• Пенсійна схема з Aviva.
• Покращені соціальні виплати для батьків.
• Корпоративні заходи, командні соціальні заходи та бюджет для мікро-соціальних подій, які будь-хто може організувати для будь-якого заходу.
• Ravelin Gives Back (RGB) - щомісячна благодійність і регулярні можливості для волонтерства.
• Обіди з командою двічі на тиждень з випадковою групою з компанії, особисто або віртуально (через Deliveroo).
• Доступ до BorrowMyDoggy.
• Можливість купити велосипед з податковими пільгами через схему "Cycle-to-Work".
• Щотижневі вечори настільних ігор.

*Пропозиції щодо роботи можуть бути відкликані, якщо кандидати не проходять наші передробітні перевірки: не зняті кримінальні судимості, перевірка зайнятості та право на працю.*