Senior Machine Learning Engineer, Trust

О позиции

Команда Trust в Airbnb ежедневно думает о доверии и уделяет этому особое внимание. В центре нашего подхода — безопасность, поэтому мы тратим значительные ресурсы на защиту сообщества от мошенничества. Мы работаем над предотвращением онлайн-мошенничества (финансовые потери, взлом аккаунтов, спам, фейковые предложения) и офлайн-мошенничества (кражи, ущерб имуществу, угрозы безопасности). Команда также занимается онбордингом и проверкой пользователей, разрабатывая системы идентификации и репутации.

Будет плюсом

• Опыт работы в Trust и Risk domain: fraud detection, anomaly detection, identity, account integrity
• Опыт работы с распределёнными системами и высоконагруженными данными
• Опыт A/B тестирования ML моделей в продакшене

Условия

• Возможность создавать ML-решения, которые напрямую влияют на безопасность миллионов пользователей Airbnb по всему миру
• Работа в международной команде талантливых специалистов: product managers, data scientists, software engineers, fraud intelligence, operations
• Построение и поддержка ML-систем в продакшене в масштабах global платформы
• Развитие навыков работы с реальными задачами: account takeover, fake accounts, payment fraud, bot detection
• Удалённая работа с возможностью occasional работы в офисе и attendance offsites
• Инклюзивная культура компании Airbnb, commitment к inclusion & belonging

Навыки

• Python
• Machine Learning
• Deep Learning
• Neural Networks
• Transformers
• Gradient Boosted Trees
• Feature Engineering
• Model Training
• Model Deployment
• Batch Processing
• Real-time Systems
• TensorFlow
• PyTorch
• Fraud Detection
• Anomaly Detection
• A/B Testing
• Data Pipelines
• Distributed Systems
• API Design

Могут спросить на собеседовании

1. Расскажите о наиболее сложной ML-модели, которую вы разрабатывали и выводили в продакшен. Какие вызовы возникли и как вы их решали?
2. Как вы подходите к балансировке между точностью модели и скоростью её работы в реальном времени?
3. Какие метрики используете для оценки качества модели в задачи fraud detection и почему?
4. Опишите ваш опыт работы с imbalance datasets в контексте аномалий и мошенничества.
5. Как вы организовываете pipeline для continuous training и мониторинга модели в продакшене?