ML Research TechLead

Что предстоит делать

Наша цель - создать исследовательский центр экспертизы в AI/ML для выведения финтех-направления на передовые позиции в России и за рубежом. Сейчас мы ищем ML Research TechLead по направлению поиска аномалий.

• Быть ответственным за модели детекции фрода и оценки рисков, а также детекции аномалий, предсказания редких событий;
• Уметь планировать и включать в работу разные типы фрода - как известные на данный момент, так и возможные будущие;
• Объединять разнородные финансовые данные, в т.ч. транзакции, поведение клиента, fingerprints устройств, связи между клиентами, и другие сигналы;
• Использовать существующие и предлагать новые методологии оценки, бенчмарки, фреймворки для финансовых задач, в которых наблюдается крайне несбалансированные данные ;
• Отвечать за оптимизацию скорости, качества, эффективности обучения на CPU/GPU;
• Развертывать прототип в реальный продукт, и затем поддерживать;
• Определять границы применения тех или иных архитектур и моделей машинного обучения на временных рядах;
• Применять лучшие принципы пайплайнов данных и ML-жизненного цикла (MLOps, мониторинг моделей);
• Взаимодействовать с командами AI разработки, так и с продуктовой и бизнес-командой для поиска лучших решений;
• Делиться экспертизой с коллегами, помогать формировать культуру ML экспериментов внутри команды.
• Требования: 1. Фундаментальные знания, образование и опыт:
• Законченный специалитет/магистратура с фокусом на одно или более направлений: Компьютерные Науки, Искусственный Интеллект, Математика или близко связанные области;
• Экспертные знания и исследования в одном или более направлений: Машинное Обучение, Глубокое Обучение, Статистика, Теория Вероятностей или близко связанные области;
• Умение приближать и оценивать плотность ядра;
• Опыт работы с крайне несбалансированными данными;
• Практика генерации состязательных (adversarial) данных / данных вне распределения (out-of-distribution) / аномалий;
• Работа с аномалиями \ фродом;
• Применение бустингов, автоэнкодеров, изоляционного леса, контрастного подхода, одноклассовых классификаторов;
• Понимание дрифта распределений;
• Опыт проведения A/B тестирования;
• Опыт работы с большими и неоднородными данными;
• Опыт работы с feature stores;
• Желательно - научные публикации в любой из топовых конференций ( CVPR, ICLR, ICML, NeurIPS, ICCV, AAAI, IJCAI, ICAIF и т.п.);
• Опыт или знания финтех области (желательно): фрод платежей, AML (Anti-Money Laundering), trust/safety системы, адаптивные системы (RL, активное обучение и human-in-the-loop, explainable AI;
• Опыт командной работы;
• Опыт удаленной работы.
• 2. Технологические навыки:
• Python как основной язык разработки;
• Опыт работы с ML-фреймворками ( PyTorch / JAX / TensorFlow );
• Опыт распределенного обучения и тестирования (multi-GPU);
• ClickHouse / GreenPlum СУБД;
• Опыт использования формата Spark Parquet;
• Работа с TensorRT (оптимизация) / Triton (serving);
• Владение контейнеризацией Docker, а также опыт работы с оркестрацией Kubernetes;
• Опыт в MLFlow;
• Высокие технические стандарты.
• 3. Лидерство:
• Необходим опыт:
• технического руководства командой 5–10 инженеров;
• проведения архитектурных и код ревью;
• определения технической стратегии;
• управления техническим долгом.
• 4. Особенно заинтересованы в кандидатах, которые:
• Имеют опыт работы с мошенничеством с платежами, картами, промоакциями, бонусными программами, с использованием поддельных или украденных личных данных, а также со стороны самого клиента;
• Работали с фальшивыми учетными записями, синтетическими личностями, дропперами;
• Считают, что перевод исследования в рабочий продукт - крайне важная часть работы, и легко могут переводить идеи \ прототипы \ статьи в production;
• Комфортно чувствуют в условиях шумных, разнородных данных реального финансового мира;
• Раскрываются в окружениях, где исследователи, инженеры, и бизнес быстро итерируются.

Что предлагаем