Director, Machine Learning

Департамент: Инженерия

Narvar растет! Мы ищем лидера, который возглавит системы машинного обучения, лежащие в основе пост-покупочной коммерции — идентификацию, борьбу с мошенничеством и слой интеллекта, на котором работает агентский ИИ.

Сотни миллионов потребителей ежегодно взаимодействуют с Narvar, обрабатывая более 20 миллиардов заказов и сотрудничая с более чем 1300 розничными брендами. Эти данные питают три системы: Graphite, наш движок разрешения идентификации, который объединяет разрозненные потребительские данные в единую подтвержденную личность по всем розничным торговцам; IRIS, наш движок обнаружения мошенничества и злоупотребления возвратами, построенный на его основе.

Вы будете отвечать за организацию ML, стоящую за всем этим — модели, платформу, на которой они работают, и людей, которые их создают. Это роль для того, кто хочет заниматься системой с реальными последствиями: решения о мошенничестве, влияющие на маржу ритейлера, разрешение идентификации, на основе которого агенты принимают автоматизированные решения, и противник на другой стороне, который адаптируется каждый квартал.

Потому что данные действительно уникальны, а проблемы действительно сложны.

• Набор данных — это конкурентное преимущество. Видимость по всем розничным торговцам через более чем 20 миллиардов заказов означает, что мы можем видеть скоординированные схемы мошенничества, которые не видит ни один розничный торговец — злоумышленник, совершающий возвраты в пяти брендах, выглядит как хороший клиент в каждом из них
• Проблема адаптивна и не имеет решения. Мошенничество с возвратами и злоупотребление политикой растут быстрее, чем сама розничная торговля, а противоположная сторона адаптируется. Нет готового решения
• Ставки измеримы. Убытки от мошенничества, стоимость ложных срабатываний, охват идентификации, процент разрешения. Не показатели тщеславия
• Это часть чего-то большего. По мере того как ИИ-агенты по шопингу выходят на рынок коммерции, каждому агенту потребуется слой доверия для возвратов, претензий и гарантий доставки. Идентификация и риск — это тот слой, которым вы будете управлять
• Работа достаточно нова, чтобы иметь значение. Разрешение в реальном времени, моделирование холодного старта, исторический бэкап, новые партнерства по данным — это решения, которые еще принимаются, а не устаревший код, который вы наследуете

Почему Narvar (с точки зрения инженера)?

• Реальный масштаб, реальные клиенты, реальные последствия
• Ответственность уровня стартапа с влиянием уровня платформы
• Команды, которые ценят мышление, суждения и ответственность
• Низкое эго, высокое доверие и пространство для лучшей работы

Мы стремимся упростить повседневную жизнь потребителей. Пост-покупочный период — критически важный этап пути клиента. Именно поэтому мы создали Narvar — платформу, ориентированную на повышение лояльности клиентов благодаря бесшовному пост-покупочному опыту, который позволяет ритейлерам удерживать, вовлекать и радовать клиентов. Если вы когда-либо покупали что-либо онлайн, велика вероятность, что вы пользовались нашей платформой!

От самых горячих новых компаний direct-to-consumer до самых известных розничных брендов, Narvar сотрудничает с GameStop, Neiman Marcus, Sonos, Nike и более чем 1300 другими брендами. Имея хабы в Сан-Франциско, Атланте, Лондоне и Бангалоре, мы обслужили более 125 миллионов потребителей по всему миру, обработав более 10 миллиардов взаимодействий, в 38 странах и 55 языках.

Пионер в пост-покупочной индустрии означает движение в неизвестность. Наша команда процветает благодаря этому духу приключений, развивая при этом образ мышления, ориентированный на инновации. Мы — дом для больших сердец, и мы оставляем свое эго у двери. Мы много работаем, но всегда находим время для празднования профессиональных успехов, детских праздников, дней рождений и всего остального.

• Ответственность за план ML в области разрешения идентификации, обнаружения мошенничества и злоупотреблений, оценки рисков и потребительского интеллекта — стратегия, дорожная карта и выполнение
• Создание и развитие высокопроизводительной, глобально распределенной команды инженеров ML; найм, коучинг и развитие старших специалистов и менеджеров
• Установление технического уровня для создания, оценки, развертывания и мониторинга моделей — и обеспечение его соблюдения организацией
• Повышение охвата разрешения идентификации, точности и точности классификации профилей на основе измеренной, замороженной базовой линии, а не на основе интуиции
• Сквозная ответственность за производительность моделей IRIS: уровень обнаружения, частота ложных срабатываний, качество меток и циклы обратной связи, которые поддерживают оба параметра честными по мере изменения схем мошенничества
• Создание слоя платформы ML — хранилищ признаков, конвейеров обучения, реестра моделей, онлайн-обслуживания, мониторинга дрифта и производительности — чтобы скорость модели не была узким местом инфраструктуры
• Сотрудничество с командой инженеров ИИ, чтобы сигналы идентификации и риска были первоклассными входными данными для принятия решений агентами NAVI
• Прямое взаимодействие с отделами Product, Engineering, Security и Customer Success для преобразования сложных проблем ритейлеров в решаемые проблемы ML — и для отказа от тех, которые не являются таковыми
• Принятие решений о покупке или разработке собственных решений, а также о партнерстве по данным (сторонние данные идентификации, поставщики обогащения), включая экономические аспекты
• Убедительное представление производительности моделей, рисков и компромиссов руководителям, ритейлерам и совету директоров

Мы больше ценим суждения и ответственность, чем верительные грамоты.

Вы, скорее всего, подойдете, если вы:

• Имеете 12+ лет опыта в инженерии, из них 5+ лет управления командами ML или данными, включая управление менеджерами или старшими специалистами
• Инженер в душе — вы все еще можете прочитать конвейер обучения, просмотреть спецификацию признаков и понять, когда оценка измеряет не то
• Разработали и внедрили в продакшн ML-системы, принимающие важные автоматизированные решения, и несли за них ответственность после запуска — дрифт, переобучение, инциденты и все остальное
• Имеете глубокий опыт как минимум в одной из областей: разрешение сущностей / графы идентификации, обнаружение мошенничества и злоупотреблений, оценка рисков или обнаружение аномалий в масштабе
• Понимаете, чем ML отличается от разработки программного обеспечения: метки зашумлены и поступают с задержкой, системы выходят из строя молча, офлайн-метрики лгут, и модель прошлого квартала борется с противником прошлого квартала
• Имеете свое мнение об оценке — компромиссы между точностью и полнотой на сильно несбалансированных данных, гигиена разделения выборок, циклы обратной связи, где собственные решения модели загрязняют будущие метки
• Создавали или масштабировали ML-инфраструктуру: конвейеры признаков, оркестрацию обучения, онлайн-обслуживание моделей с реальными бюджетными ограничениями по задержке, мониторинг и оповещение
• Свободно владеете Python и комфортно работаете с современным стеком данных (Spark, Airflow или аналогами, стриминг, облачные хранилища данных — мы работаем на GCP)
• Успешно нанимали, хорошо удерживали сотрудников и можете указать инженеров, чья карьера улучшилась под вашим руководством
• Преуспеваете в быстро меняющейся среде с плоской структурой — вы задаете направление, зарабатывая доверие, а не по приказу
• Имеете степень бакалавра/магистра в области компьютерных наук, статистики или аналогичный опыт

Это не строгие требования, но сильные индикаторы:

• Вы работали над системами разрешения идентификации или графами, используя сторонние потребительские данные (кредитные бюро, телекоммуникационные компании или аналогичные), включая логику сопоставления и оценку достоверности
• Вы работали с адаптивными ML-системами, где злоумышленники активно адаптируются к вашему обнаружению
• Вы создавали пути реального времени для инференса, где идентификация или риск должны быть разрешены в рамках бюджетного времени запроса
• Вы работали в сфере розничной торговли, платежей, финтеха, страхования или маркетплейсов, занимаясь вопросами доверия и безопасности
• Вы тесно сотрудничали с командами LLM/агентов и понимаете, как структурированные ML-сигналы обосновывают решения агентских систем
• Вы ориентировались в ограничениях конфиденциальности, согласия и управления данными для потребительских данных идентификации
• Вы занимались разработкой с нуля (0→1) — запускали функцию, платформу или партнерство по данным из ничего
• Вы используете современные инструменты (включая рабочие процессы разработки с помощью ИИ) для повышения эффективности, а не для аутсорсинга мышления

Для этой роли вы должны находиться в Канаде и иметь возможность работать в часовых поясах EST/EDT ИЛИ PST. Мы полностью удаленные.

Ниже приведены ориентировочные годовые зарплаты для этой должности и не включают другие компоненты предложения Narvar, такие как: годовой бонус, акции и льготы. Диапазон отражает минимальные и максимальные целевые показатели для новых сотрудников по всей Канаде. В рамках диапазона индивидуальные компенсационные пакеты основаны на факторах, уникальных для каждого кандидата, включая, помимо прочего, набор навыков, образование и сертификаты, а также местоположение.

Диапазон зарплат Narvar

240 000–260 000 канадских долларов