岗位概述
我们正在寻找一名数据科学家/机器学习工程师加入我们的技术团队，解决商业银行、支付和金融服务领域的激动人心的业务问题。候选人必须对数据有强烈的好奇心，并且在机器学习工程和DevOps能力方面有成功应用严谨科学方法的记录。这是一个独特的机会，可以应用您的技能，对全球业务产生直接影响。
理想的候选人应具备深厚的机器学习、自然语言处理、深度学习和知识图谱知识，并且具有处理海量数据的经验。他们还应具备较强的软件工程技能，能够构建达到JP Morgan规模的系统。
工作职责
• 在大规模数据集上构建和训练生产级别的机器学习模型，解决商业银行的各种用例。
• 使用Spark、AWS EMR等大规模数据处理框架进行特征工程，并熟练处理各种结构化和非结构化数据。
• 使用卷积神经网络（CNN）、循环神经网络（RNN）和自然语言处理（BERT）等深度学习模型，解决实体解析、预测和异常检测等各种业务问题。
• 能够在公共和私有云中构建机器学习模型，包括基于容器的Kubernetes环境。
• 开发端到端的机器学习流水线，将现有应用程序和业务流程转化为真正的人工智能系统。
• 构建批处理和实时模型预测流水线，并与现有应用程序和前端集成。
• 您将合作开展大规模数据建模实验，与强基准模型进行评估，并提取关键统计洞察和/或因果关系。
所需资格、能力和技能
• 计算机科学、数据科学或类似学科的高级学位。
• 至少6年的数据科学家工作经验。
• 精通Python、PySpark、TensorFlow等DL框架和MLOps。
• 在生产环境中设计和构建高度可扩展的分布式机器学习模型的经验（Scala、应用机器学习、精通统计方法和算法）。
• 具有分析经验（如SQL、Presto、Spark、Python、AWS套件）。
• 具备机器学习技术和高级分析经验（例如回归、分类、聚类、时间序列、计量经济学、因果推断、数学优化）。
• 有使用KubeFlow、TensorFlow和/或众包数据标注框架构建端到端流水线的经验为佳。 
旧金山