Здесь сочетаются серьёзные исследования в антифроде и внедрение моделей в продукт, но широкий список сложных требований затрудняет оценку реального уровня и нагрузки.
Высокая планка
Современный стек
AI в финтехе
Время на исследования
?Новое направление
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
AI ML Engineer - Anti-fraud (Senior / Middle, AI RnD команда) (FinTech): Разработка моделей для детекции фрода, оценки рисков, аномалий и редких событий на неоднородных финансовых данных с акцентом на несбалансированные выборки, временные ряды и внедрение моделей в продукты. Focus on исследование новых типов мошенничества, воспроизведение научных решений, оптимизацию обучения на CPU/GPU и построение устойчивых MLOps-пайплайнов.
Локация: Удалённая работа или офис в Москве, ул. Мясницкая, 16.
Компания
Финфрейм развивает направление ФинТех AI RnD для исследований и инженерной разработки решений на больших объёмах финансовых данных.
Что делать
Строить модели для детекции фрода, оценки рисков, аномалий и редких событий.
Исследовать текущие и потенциальные типы фрода, объединять транзакционные, поведенческие, device fingerprint и графовые сигналы.
Проводить эксперименты, дообучать трансформерные и рекуррентные модели для временных рядов.
Разрабатывать методологии оценки, бенчмарки и фреймворки для крайне несбалансированных финансовых данных.
Оптимизировать обучение на CPU/GPU, разворачивать прототипы в продуктах и поддерживать их после запуска.
Взаимодействовать с AI-разработкой, продуктовыми и бизнес-командами, делиться экспертизой и развивать культуру ML-экспериментов.
Требования
Оконченный специалитет или магистратура в области компьютерных наук, искусственного интеллекта, математики или смежной области.
Экспертные знания и исследовательский опыт в машинном обучении, глубоком обучении, статистике, теории вероятностей или смежных областях.
Опыт работы с крайне несбалансированными, большими и неоднородными данными, включая первоначальное исследование данных.
Умение приближать и оценивать плотность ядра, работать с аномалиями, фродом, дрифтом распределений, состязательными и out-of-distribution данными.
Практика применения бустингов, автоэнкодеров, изоляционного леса, контрастного подхода и одноклассовых классификаторов.
Умение воспроизводить модели по публикациям или публичному коду, а также подготавливать и разворачивать модели в тестовом окружении.
Опыт работы с feature stores, распределённым обучением и тестированием multi-GPU.
Python как основной язык; опыт с PyTorch, JAX или TensorFlow, ClickHouse или GreenPlum, Spark Parquet, TensorRT, Triton, Docker, Kubernetes и MLFlow.
Понимание различий между применением RNN и Transformers, принципов MLOps, мониторинга моделей и ML-жизненного цикла.
Опыт командной и удалённой работы, высокие технические стандарты, критическое мышление при проектировании экспериментов и оценке устойчивости моделей.
Хорошо, если есть
Научные публикации на конференциях CVPR, ICLR, ICML, NeurIPS, ICCV, AAAI, IJCAI, ICAIF и других топовых площадках.
Опыт или знания в финтехе: платёжный фрод, AML, trust/safety, reinforcement learning, активное обучение, human-in-the-loop или explainable AI.
Культура и преимущества
Удалённая работа или офис в центре Москвы; официальное трудоустройство по ТК РФ в аккредитованную IT-компанию.
Возможность направлять часть рабочего времени на самостоятельный исследовательский проект и участвовать в выборе инструментов.
Небольшая компания с быстрым принятием решений, дружеской атмосферой и без бюрократии.
ДМС и страхование от несчастных случаев с первой рабочей недели; больничные за первые 10 дней оплачиваются до 100% оклада.
Современная техника для работы и ежегодные корпоративы с компенсацией дороги и проживания.
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →