机器学习工程师
概述：
作为一名机器学习工程师，您将与一支高度创新和充满活力的团队共同合作，包括数据科学家、机器学习工程师、云工程师和数据工程师，为Vanguard开发下一代AI/ML支持的金融欺诈和金融犯罪预防端到端解决方案。您将开发机器学习集成软件算法和流程，以在生产环境中对数据进行结构化、分析和利用。这项工作将改变金融欺诈打击计划的结构。您将与业务利益相关者合作，优先考虑创新想法，并与其他工程师和数据科学家合作开发和交付突破性解决方案。
核心职责：
1. 领导复杂模型的开发和部署流程。建立最佳实践，并推动数据准备和使用方面的创新。精通端到端数据和模型流程部署和自动化技术。
2. 在生产环境中集成和优化现有的复杂数据和模型流程。识别和诊断数据不一致性和错误，记录假设，并填补数据缺口。运用实验方法、统计学、优化、概率论和机器学习概念的专业知识，创建自动化预测模型的自运行人工智能（AI）系统。精通软件开发生命周期（SDLC）及相关工具和流程。作为机器学习运营团队的思维伙伴。
3. 与数据科学团队合作，审查模型准备数据集文档/特征文档。开发数据模型设计和文档，并与数据科学团队一起审查以确保完整性。
4. 与数据科学团队合作，了解数据需求，为模型开发进行数据发现。对原始数据源进行详细分析，评估数据质量，应用业务背景和模型开发需求。使用数据发现工具提高效率。
5. 与内部利益相关者合作，了解和探索业务流程，并提出假设。对请求进行结构化，并将需求转化为分析方法。参与并影响持续的业务规划和部门优先事项活动。
6. 根据需要编写模型监控脚本。根据模型监控警报诊断根本原因，并处理问题。协调和计划对模型监控警报的响应，并解决问题。
7. 在大型战略项目的跨职能团队中担任机器学习工程专家，并为Vanguard分析社区的发展做出贡献。
8. 参与特殊项目，并履行其他指定的职责。
资格要求：
1. 计算机科学、统计学、机器学习、数据科学、电气工程或相关领域的硕士学位，具有1年以上部署和维护AI/ML相关项目的经验。
2. 熟练掌握编程技能，特别是Python等编程语言。
3. 熟练使用SQL和NoSQL数据库。
4. 熟练使用AWS机器学习服务，如Sagemaker，进行模型开发、训练和部署。
5. 熟练设计和实施支持机器学习工作流程的可扩展数据流程。
6. 熟练使用AWS CloudFormation进行基础设施即代码。具有机器学习和数据工程工作流程的CI/CD实践经验。
7. 熟悉数据处理技术，如Apache Spark、AWS Glue和Hadoop。
8. 具备开发和部署具有稳健数据架构的机器学习模型的能力。
9. 能够向不同的利益相关者传达技术概念。
10. 在机器学习/人工智能概念方面具备强大的技术能力，并有可靠的记录优势。
我们的工作方式
Vanguard为大部分员工实施了混合工作模式，旨在兼顾灵活性增强和面对面学习、合作和联系的好处。我们相信，以使命驱动和高度协作的文化是支持长期客户成果和丰富员工体验的关键因素。 
多伦多