高级软件工程师，账户滥用（机器学习）
岗位摘要
构建和运营特征计算平台，同时服务于模型训练和实时评分，确保训练数据的时间点正确性和低延迟在线检索；训练、评估和部署用于检测账户级滥用和欺诈的模型，并在离线和在线环境中运行；构建工具以自动化更多模型开发生命周期，包括使用 Claude 加速特征开发、训练和评估
岗位职责
- 构建和运营特征计算平台，同时服务于模型训练和实时评分，确保训练数据的时间点正确性和低延迟在线检索
- 训练、评估和部署用于检测账户级滥用和欺诈的模型，并在离线和在线环境中运行
- 构建工具以自动化更多模型开发生命周期，包括使用 Claude 加速特征开发、训练和评估
- 将回测、影子部署和分阶段发布作为默认的生产路径，并监控训练/服务偏差、漂移和对抗性适应
- 与数据科学家和政策与执行团队合作，提高标签覆盖率和质量
- 与产品和平台团队合作，收集信号并整合模型决策，同时最小化对其系统延迟、稳定性或整体架构的影响
任职要求
- 熟练掌握 Python 和 SQL
- 具有训练机器学习模型并将其部署到生产环境的经验
- 具有使用批处理引擎（如 Spark、Beam）和工作流调度器（如 Airflow）构建数据管道的经验
- 对时间点正确性和训练/服务偏差有工作理解，并知道如何防止两者
- 强大的沟通能力，能够向非技术利益相关者解释技术权衡
- 优先资格：具有构建或运营特征平台（如 Chronon、Feast 或 Tecton）的经验
- 优先资格：具有流处理引擎（如 Flink、Beam/Dataflow 或 Kafka Streams）的经验
- 优先资格：在生产环境中训练机器学习模型的经验，具有苛刻的服务要求，如欺诈、风险或排名
- 优先资格：具有在表格数据上使用基于树的模型的经验
- 优先资格：具有构建无监督、基于聚类或基于图的检测系统以发现协同账户滥用的经验
- 优先资格：在完整性、垃圾邮件、欺诈或滥用检测方面的经验
- 优先资格：处理稀缺、延迟或噪声标签的经验
- 优先资格：具有 AutoML 或其他自动化机器学习工作流方法的经验
- 优先资格：关心 AI 的社会影响，并希望您的工作使强大的系统更安全