НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

Stripe

Machine Learning Engineer, Radar

  • Seattle
  • 45 дн. назад

Stripe ищет Machine Learning Engineer в команду Radar для разработки моделей обнаружения мошенничества, защищающих глобальную платежную сеть на $1,9 трлн. Это уникальная возможность работать с реальными данными миллионов транзакций и создавать технологии, которые влияют на безопасность финтех-индустрии.

О позиции

Команда Radar ML отвечает за системы обнаружения мошенничества, защищающие платежную инфраструктуру Stripe от фрода, кражи токенов и злоупотреблений. Вы будете участвовать во всём жизненном цикле ML-моделей — от исследования новых паттернов до их развёртывания у крупнейших клиентов Stripe. Команда владеет 10 моделями глубокого обучения, работающими в реальном времени, и постоянно развивает продукты против новых видов атак.

Условия

  • Работа над критически важной инфраструктурой для защиты $1,9 трлн транзакций
  • Возможность строить продукты с нуля (0-to-1) и оптимизировать интенсивные ML-модели
  • Прямая работа с крупнейшими клиентами компании
  • Участие в разработке решений против AI-угроз, злоупотребления бесплатными пробными периодами и скриптовых атак

Навыки

  • Python
  • PyTorch
  • SQL
  • Apache Spark
  • Deep Learning
  • Machine Learning Engineering
  • Production ML Systems
  • Fraud Detection
  • Model Deployment
  • Data Analysis

Сложность отбора

Требует опыта работы с ML в продакшене, навыков MLOps и понимания фрод-детекции. Высокая ответственность за защиту финансовых систем.

Оценка JobPath

Зарплата по рынку

1 200 000 – 1 500 000 ₽ в месяц

Оценка основана на уровне позиций ML Engineer в Seattle/Silicon Valley с учётом компенсаций Stripe ($180K-$220K/year). В рублях пересчитано по курсу ~95 USD/RUB.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Расскажите о вашем опыте развёртывания ML-моделей в production среде. С какими вызовами вы сталкивались?
  2. Как вы оцениваете качество модели для задачи обнаружения мошенничества? Какие метрики используете?
  3. Приведите пример оптимизации ML-модели под требования низкой задержки в реальном времени.
  4. Как бы вы подходили к исследованию нового паттерна мошенничества, который ранее не встречался?
  5. Как вы взаимодействуете с командами продуктов или клиентами при создании ML-решений?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать