Старший менеджер по прикладным исследованиям в области искусственного интеллекта

О нас:

Gen — это глобальная компания, посвящённая обеспечению цифровой свободы через свои надёжные потребительские бренды, включая Norton, Avast, LifeLock, MoneyLion и другие. Наше общее наследие основано на финансовом расширении возможностей и кибербезопасности для первых цифровых поколений, и сегодня мы предоставляем отмеченные наградами решения в области кибербезопасности, онлайн-конфиденциальности, защиты личности и финансового благополучия почти 500 миллионам пользователей более чем в 150 странах.

Вместе мы разделяем общую страсть и видение защищать потребителей и помогать им развивать, управлять и обеспечивать безопасность их цифровой и финансовой жизни. Мы всегда ищем умных, бесстрашных и высокоэффективных специалистов, которые рассматривают ИИ как командного партнёра — используя его для ускорения работы и достижения значимых результатов.

Будучи частью Gen, вы получите гибкость, инструменты и поддержку для выполнения своей работы наилучшим образом и развития карьеры — от гибких условий работы и отпусков до конкурентной оплаты, льгот и программ по улучшению благополучия.

В Gen мы изобретательны и неустанно ориентированы на клиента. Мы создаём пространство для здоровых дебатов, экспериментов и непрерывного обучения, и приглашаем в нашу команду людей с разным опытом, идентичностями и идеями. Вы будете работать с людьми, которые поддерживают друг друга, уважают и понимают, что наши различия — это конкурентное преимущество.

Если это про вас, мы будем рады видеть вас в команде Gen.

О роли:

В должности старшего менеджера по прикладным исследованиям в области ИИ вы будете обеспечивать практическое техническое руководство портфелем прикладных инициатив в области ИИ, которые защищают более 500 миллионов пользователей по всему миру, охватывая малые языковые модели, обучение с подкреплением, агентные системы, компьютерное зрение и классическое машинное обучение.

Вы будете формировать архитектуру, выбор моделей и путь к производственному внедрению этих программ, одновременно управляя и развивая небольшую команду из 3-5 исследовательских инженеров, ответственных за полный цикл реализации прикладного ИИ — от постановки задачи и подготовки данных до обучения моделей, их настройки и оценки, а также развертывания, мониторинга и итераций в масштабах огромной аудитории.

Эта роль сочетает техническое руководство с управлением персоналом. Вы будете вести команду технически, задавая направление, формируя архитектуры и оставаясь близко к моделям и коду, а также развивать инженеров и отвечать за выполнение задач. Вы обеспечите, чтобы модели, создаваемые вашей командой, попадали в производство и вносили вклад в миссию Gen по кибербезопасности.

В этой роли вы будете:

• Обеспечивать практическое техническое руководство несколькими направлениями прикладного ИИ, включая малые языковые модели, обучение с подкреплением, агентный ИИ, компьютерное зрение и классическое машинное обучение.

• Определять архитектуру, выбор моделей и решения по производственному внедрению вместе с вашей командой исследовательских инженеров.

• Управлять, наставлять и развивать небольшую команду из 3-5 исследовательских инженеров, включая найм, управление эффективностью, развитие карьеры и ежедневное техническое наставничество.

• Поддерживать фокус команды, устранять препятствия и ориентировать на результат.

• Лично вносить вклад в самые сложные части работы, прототипируя новые подходы, проверяя и улучшая дизайн моделей, а также руководя отладкой тренировочных запусков на GPU-кластерах.

• Устанавливать стандарты качества исследований и инженерии в команде.

• Отвечать за полный жизненный цикл прикладного ИИ в вашей области — от постановки задачи и стратегии данных до обучения моделей, тонкой настройки и оценки, а также развертывания, наблюдаемости и непрерывного улучшения в производственных системах, обслуживающих более 500 миллионов пользователей.

• Продвигать принцип команды «всегда выпускать в производство» и сотрудничать с командами платформы, MLOps и продуктовой инженерии для обеспечения развертывания моделей, их мониторинга и измеримого улучшения результатов для пользователей.

• Переводить бизнес- и приоритеты безопасности в конкретную дорожную карту прикладного ИИ и расставлять приоритеты по нескольким направлениям.

• Коммуницировать компромиссы с высшим руководством и отчитываться о выполнении, производительности моделей и их влиянии.

• Устанавливать и развивать практики команды по отслеживанию экспериментов, оценке моделей, воспроизводимости, обзору кода и ответственному ИИ в условиях высоких рисков кибербезопасности.

О вас:

• Магистр или кандидат наук в области компьютерных наук, машинного обучения, математики или смежной количественной области, либо эквивалентный практический опыт с подтверждённой экспертизой в глубоком обучении.

• Более 5 лет практического опыта в создании и развертывании систем машинного и глубокого обучения в производстве.

• 2-3+ года опыта руководства или управления небольшой командой инженеров по машинному обучению / исследовательских инженеров с ответственностью за техническое направление, выполнение задач, найм и развитие персонала в нескольких областях прикладного ИИ.

• Глубокая практическая экспертиза в нескольких областях прикладного ИИ, таких как современные трансформерные малые языковые модели, обучение с подкреплением (PPO, DQN, Actor-Critic и их варианты), агентные / использующие инструменты системы LLM, компьютерное зрение или классическое машинное обучение.

• Умение выбирать правильную технику для каждой задачи, а не использовать один подход по умолчанию.

• Экспертное владение Python и PyTorch. Опыт работы с JAX или TensorFlow является плюсом.

• Опыт обучения и тонкой настройки моделей на многогпу-кластерах с использованием таких фреймворков, как DeepSpeed, FSDP или Hugging Face Accelerate.

• Сильная математическая база в линейной алгебре, оптимизации, теории вероятностей и статистике, с умением читать, оценивать и реализовывать подходы из последних научных публикаций.

• Подтверждённый опыт доведения моделей ИИ до производства, включая создание конвейеров данных, оценочных систем, квантизацию / сжатие, оптимизацию вывода, развертывание с использованием контейнеров, Kubernetes и облачных технологий, а также мониторинг после развертывания.

• Опыт работы с инструментами MLOps и управления экспериментами, такими как Weights & Biases, MLflow или аналогичными.

• Опыт современных практик разработки программного обеспечения, включая CI/CD, обзор кода и наблюдаемость.

• Доказанная способность руководить небольшой технической командой, включая постановку направления, проведение эффективных индивидуальных встреч, предоставление конкретной обратной связи, найм сильных инженеров и превращение неоднозначных бизнес-задач в готовые к выпуску системы ИИ.

• Свободное владение английским языком для эффективного общения в международной исследовательской и инженерной организации.

• Практический стиль технического руководства и готовность оставаться близко к коду, моделям и производственным системам.

• Менталитет игрока-тренера, способного сочетать техническое решение проблем с управлением людьми и развитием карьеры.

• Сильная ориентация на выпуск продукта и фокус на развертывании и измерении моделей в производстве.

• Отличное суждение при оценке портфеля возможностей прикладного ИИ, включая умение решать, когда инвестировать в новый подход, а когда выбрать самое простое работающее решение.

• Чёткие коммуникативные навыки, способность переводить сложные концепции машинного обучения в решения и компромиссы для продуктовых, безопасностных и исполнительных заинтересованных сторон.

• Способность успешно работать в быстро меняющейся, неоднозначной, высокотехнологичной среде и управлять сложными межфункциональными задачами с хладнокровием и структурированностью.

Желательно иметь:

• Публикации на ведущих конференциях по машинному обучению, таких как NeurIPS, ICML, ICLR, ACL или CVPR.

• Опыт прикладного ИИ в области кибербезопасности, конфиденциальности или идентификации.

• Опыт работы с JAX или TensorFlow.

Что дальше:

После подачи заявки ожидайте следующие этапы в процессе найма:

• Интервью с менеджером по найму.

• Техническое интервью с опытными членами лаборатории исследований ИИ.

• Кросс-функциональное обсуждение с продуктовыми и заинтересованными партнёрами.

• Заключительный разговор с руководством.