这家金融科技公司的人工智能/机器学习团队正在开发尖端解决方案，为公司建立独特的竞争优势。作为我们团队的高级人工智能/机器学习-自然语言处理（NLP）工程师，您将负责设计、开发和实施用于自然语言处理应用的人工智能/机器学习模型。这将涉及使用大型数据集，选择适当的算法和技术来训练或微调模型以实现最佳性能，并在生产环境中部署和监控模型性能。您将在产品管理、数据工程和软件工程团队之间进行协作。如果您热衷于利用机器学习技术推动创新，并且在开发可扩展解决方案方面具有丰富的背景，我们很乐意听取您的意见。
职责
• 设计、开发、训练和部署用于解决金融科技领域业务问题的人工智能/机器学习模型，通过完整的开发和生产周期。
• 评估和比较不同的人工智能/机器学习算法和模型的性能。
• 利用和改进机器学习运营（MLOps）管道和流程，以确保效率、可扩展性和可维护性。
• 确保机器学习模型在生产环境中的可靠性、稳健性和可扩展性。
• 与跨职能团队合作，包括产品经理和全栈工程师，交付可扩展的机器学习解决方案。
• 理解业务需求，与利益相关者沟通，并指导初级团队成员。
资格
• 在人工智能/机器学习/数据科学领域拥有4-6+（中期）年的实际数据科学家或人工智能/机器学习工程师经验。
• 在相关领域（人工智能/机器学习/数据科学、数学、计算机科学等）拥有高级学位（硕士、博士）。
• 扎实的自然语言处理技术理解，包括文本分类、命名实体识别和信息提取等。
• 在生产环境中使用大型语言模型（如GPT-4、Liama 2和其他商业或开源模型）的经验。
• 熟练掌握在NLP中常用的编程语言，如Python，以及TensorFlow、PyTorch或spaCy等库/框架，并对软件工程原则和最佳实践有深入理解。
• 熟悉NLP技术，包括文本数据预处理（标记化、词干提取和文本规范化等）和信息提取（摘要和问答等）。
• 了解机器学习算法和统计技术，以及它们的局限性和实施挑战。
• 在AWS、Google Cloud或Azure等云平台和分布式计算环境中进行NLP任务的经验。
• 具备软件开发的最佳实践经验，包括源代码控制（Git）、CI/CD管道、测试和文档编写。
• 出色的解决问题的能力，能够在快节奏、敏捷的环境中独立工作和协作。
• 出色的沟通能力，能够将技术概念有效地传达给技术和非技术人员。
加分项
• 在人工智能/机器学习/数据科学或相关领域发表的论文、会议演讲和/或专利。
• 使用数据可视化工具和技术有效传达和展示发现的经验。
• 使用数据转换工具（如dbt）和编排工具（如Airflow）的经验。
• 在Github、BitBucket、Google Colab、Kaggle等平台上的个人项目作品集。
• 在金融或金融科技（金融科技）领域工作的经验。了解金融行业的监管和合规要求，以及它们对机器学习应用的影响。 
纽约