Member of Technical Staff

О позиции

Команда строит модели обнаружения и продукты для борьбы с мошенничеством, проблемами идентификации и безопасности доверительных систем. Вы будете отвечать за технические задачи полностью — от анализа доказательств до внедрения инструментов, помогающих командам по борьбе с мошенничеством принимать обоснованные решения.

Чем заниматься

• Разрабатывать и выпускать модели обнаружения и сопутствующие системы
• Оценивать производительность моделей и систем честно, включая документирование случаев неудач
• Работать с командами доверия и борьбы с мошенничеством, превращая доказательства в решения и рабочие процессы
• Адаптировать системы при изменении тактик противников

Что ждут

• Технический опыт в одной из областей: компьютерное зрение или цифровая экспертиза изображений, речевое/аудио моделирование, видео или временной анализ, ML-инфраструктура, оценка или калибровка, мошенничество/идентификация/доверие и безопасность, полнострочная инженерия продуктов
• Опыт работы над технической задачей от начала до конца — создание и выпуск моделей обнаружения, поддерживающих систем или продуктовых решений
• Способность измерять производительность, выявлять случаи отказов и адаптироваться к изменяющимся условиям
• Опыт взаимодействия с командами доверия и борьбы с мошенничеством для перевода доказательств в решения и рабочие процессы продукта

Будет плюсом

• Опыт в области fraud detection или identity verification
• Знание adversarial machine learning
• Опыт работы в продуктовой компании

Условия

• Работа над сложными задачами ML и cybersecurity
• Полная ответственность за технические решения от концепции до релиза
• Возможность видеть влияние своей работы на реальные продукты
• Работа в области fraud detection и trust & safety

Навыки

• Computer Vision
• Image Forensics
• Audio Modeling
• Speech Recognition
• Temporal Analysis
• ML Infrastructure
• Model Evaluation
• Calibration
• Fraud Detection
• Identity Verification
• Trust and Safety
• Full Stack Engineering
• Python
• Machine Learning
• Deep Learning

Могут спросить на собеседовании

1. Как вы оцениваете и документируете failure modes для ML-моделей в production?
2. Расскажите о случае, когда вы работали над проблемой end-to-end — что было самым сложным?
3. Как вы адаптировали систему при появлении новой атаки или изменении тактики adversarial?
4. Какие метрики вы используете для оценки моделей обнаружения мошенничества и почему?