Machine Learning Engineer in Fraud Detection in Warsaw

Poszukujemy starszego inżyniera uczenia maszynowego, który dołączy do naszego zespołu Data Science i pomoże w opracowywaniu oraz wdrażaniu rozwiązań uczenia maszynowego w celu zapobiegania oszustwom. To praktyczna rola łącząca Data Science z inżynierią uczenia maszynowego i inżynierią danych. Będziesz pracować nad całym cyklem życia rozwiązań ML, od pozyskiwania i przygotowywania danych, przez rozwój modeli, aż po wdrożenie i bieżące utrzymanie w produkcji.

Zadania:

• Budowanie i ulepszanie rozwiązań wykrywania oszustw, które pomagają identyfikować oszukańcze płatności, kradzież tożsamości i przejęcia kont.
• Badanie wzorców oszustw poprzez analizę danych transakcyjnych i behawioralnych, identyfikowanie podejrzanej aktywności oraz przekształcanie ustaleń w działania.
• Badanie nowych algorytmów i źródeł danych oraz rozwijanie, ocenianie i utrzymywanie modeli uczenia maszynowego przetwarzających miliony transakcji.
• Budowanie i utrzymywanie potoków danych oraz zbiorów danych wspierających inżynierię cech, trening modeli i wnioskowanie w czasie rzeczywistym.
• Rozwój i obsługa usług ML w produkcji, zapewniając ich niezawodność, skalowalność, wydajność i bezpieczeństwo.
• Budowanie narzędzi wewnętrznych i automatyzacji procesów w celu usprawnienia działań i poprawy efektywności w organizacji.
• Prowadzenie projektów data science od identyfikacji możliwości biznesowych i projektowania rozwiązań po dostarczanie wymiernego wpływu na nasze produkty i wyniki klientów.

Wymagania:

• Co najmniej 5-letnie doświadczenie zawodowe w Data Science, zastosowanym uczeniu maszynowym lub pokrewnej dziedzinie.
• Silne zrozumienie algorytmów uczenia maszynowego, statystyki, inżynierii cech, technik oceny i walidacji modeli.
• Doskonale umiejętności programowania w Pythonie, w tym doświadczenie z naukowym zestawem Pythona: pandas, NumPy i scikit-learn.
• Silne umiejętności SQL i doświadczenie w pracy z dużymi, złożonymi zbiorami danych.
• Dobre praktyki inżynierii oprogramowania, w tym czysty kod, testowanie, kontrola wersji i utrzymywalność.
• Solidne zrozumienie architektury oprogramowania i zasad projektowania, z umiejętnością budowania rozwiązań łatwych w utrzymaniu i rozszerzalnych.
• Praktyczne doświadczenie w co najmniej jednej z następujących dziedzin: inżynieria uczenia maszynowego lub inżynieria danych.
• Chęć i zdolność do rozwijania wiedzy w obszarze, który jest mniej znany.
• Silne umiejętności analityczne i rozwiązywania problemów, z umiejętnością samodzielnego radzenia sobie z złożonymi wyzwaniami technicznymi.
• Pragmatyczne podejście do biznesu i doskonałe umiejętności komunikacyjne.
• Bardzo dobra znajomość języka angielskiego i polskiego.

Preferencje:

• Doświadczenie z AWS, szczególnie Amazon SageMaker.
• Doświadczenie z Kubernetes, Docker i CI/CD do wdrażania i obsługi usług produkcyjnych.
• Doświadczenie z Apache Kafka lub innymi technologiami strumieniowania zdarzeń.
• Znajomość Terraform lub innych narzędzi Infrastructure as Code (IaC).
• Doświadczenie z Snowflake, dbt lub podobnymi technologiami transformacji danych i magazynowania.
• Doświadczenie w budowaniu automatyzacji procesów roboczych z użyciem narzędzi takich jak n8n.
• Doświadczenie w rozwijaniu agentów AI lub stosowaniu generatywnego AI do problemów biznesowych.
• Wykształcenie w dziedzinie matematyki, informatyki, metod ilościowych, ekonometrii lub inżynierii (nieobowiązkowe).
• Doświadczenie w fintech, ryzyku bankowym, kredytach lub wykrywaniu oszustw.

Pracując nad problemami uczenia maszynowego mającymi bezpośredni wpływ na biznes, będziesz odpowiedzialny za rozwiązania od początkowej eksploracji po produkcję. To okazja do połączenia Data Science z inżynierią w rzeczywistym świecie, pogłębienia swojej wiedzy w zakresie ML lub inżynierii danych oraz pomocy w kształtowaniu sposobu, w jaki nasze systemy danych i ML są rozwijane i utrzymywane. Cenimy techniczną ciekawość, inicjatywę, pragmatyczne rozwiązywanie problemów, współpracę i ciągłe uczenie się.