Vereinigte Staaten
Be Structured Technology Group
Stripe
Machine Learning Engineer, Radar
Vereinigte Staaten
South San Francisco, California, United States · Seattle, Washington, United States
Go
Automatische Übersetzung. Prüfe das Original.
Über uns
Machine Learning Engineer - Radar
Über Stripe
Stripe ist eine Finanzinfrastruktur-Plattform für Unternehmen. Millionen von Firmen – von den weltweit größten Unternehmen bis hin zu den ambitioniertesten Startups – nutzen Stripe, um Zahlungen zu akzeptieren, ihren Umsatz zu steigern und neue Geschäftsmöglichkeiten zu erschließen. Unsere Mission ist es, das BIP des Internets zu erhöhen, und wir haben noch eine enorme Menge an Arbeit vor uns. Das bedeutet für Sie eine beispiellose Gelegenheit, die Weltwirtschaft für jeden zugänglich zu machen und gleichzeitig die wichtigste Arbeit Ihrer Karriere zu leisten.
Über das Team
Das Radar ML-Team entwickelt die machine learning-Systeme, die die Radar-Produktreihe von Stripe zur Betrugs- und Missbrauchserkennung antreiben. Unsere Modelle treffen Echtzeit-Entscheidungen für einen signifikanten Anteil des Internethandels – sie helfen Unternehmen dabei, Betrug zu stoppen, die Autorisierungsraten zu erhöhen und sicher zu wachsen. Indem das Team Datensätze im wirtschaftlichen Maßstab in überzeugende ML-Produkte verwandelt, verbessert es direkt die Ergebnisse für unsere Kunden und generiert maßgeblichen Umsatz für Stripe.
Das Team wächst und expandiert in mehrere neue Bereiche. Wir entwickeln Missbrauchsschutzmaßnahmen über den gesamten Kundenlebenszyklus hinweg, adaptive und anpassbare Betrugserkennungssysteme für Großunternehmen sowie Risikoanalysen für 50+ globale Zahlungsmethoden.
Ihre Aufgaben
Wer Sie sind
Sie sind ein erfahrener ML-Ingenieur, der fundierte Modellierungsexpertise mit starkem technischem Urteilsvermögen verbindet. Sie haben ML-Systeme in der Produktion verantwortet, mehrere bedeutende Verbesserungen implementiert und die Effektivität Ihres Umfelds gesteigert. Sie arbeiten schnell, ohne dabei Dinge zu zerstören, fühlen sich wohl dabei, in einem unklaren Umfeld zu führen, und sind begeistert davon, an der Spitze von Zahlungsverkehr und KI zu arbeiten, um Fortschritte im Bereich machine learning in Produktionssysteme zu überführen, die neue Formen von Betrug und Missbrauch adressieren.
Verantwortlichkeiten
Sie verantworten wichtige ML-Systeme und Initiativen von der Problemdefinition bis zur Produktion. Sie identifizieren Bereiche, in denen ML den größten Mehrwert bietet, entwerfen den Ansatz, entwickeln und implementieren Modelle sowie die dazugehörigen Systeme und optimieren diese kontinuierlich, während sich Daten, Nutzer und Angreifer verändern.
Ihre Arbeit kann den Schutz von Unternehmen vor Missbrauch über den gesamten Kundenlebenszyklus hinweg umfassen, die Entwicklung adaptiver und anpassbarer Betrugssysteme für die größten Nutzer von Stripe oder die Erweiterung der Risikoanalyse auf 50+ globale Zahlungsmethoden. Dabei setzen Sie moderne Ansätze ein, wie etwa Transformer-Modelle für Zahlungsdaten, Graph-Intelligenz für Verbraucher und LLMs, die aufkommende Angriffe erkennen.
Sie haben die Möglichkeit, 0→1-Produkte auf den Markt zu bringen und geschäftskritische ML-Modelle zu verbessern, die im Maßstab von Stripe operieren. Dabei leiten Sie häufig mehrere Projekte parallel und setzen den technischen Standard für das Team.
- Leitung von Konzeption und Bereitstellung von ML-Projekten von Anfang bis Ende, von der Problemstellung und Abschätzung des Potenzials bis hin zu Implementierung, Überwachung und Iteration.
- Entwicklung, Training, Evaluierung und Bereitstellung von Modellen zur Erkennung von Betrug und Missbrauch im globalen Netzwerk von Stripe sowie die Verantwortung für die Produktionssysteme, auf denen sie laufen.
- Untersuchung aufkommender Betrugs- und Missbrauchsmuster, Entscheidung darüber, wo ML den größten Einfluss haben kann, und schnelle Umsetzung dieser Erkenntnisse in produktive Schutzmaßnahmen.
- Entwurf von Features, Datensätzen und Evaluierungsstrategien für verrauschte, verzögerte und gegnerische Umgebungen sowie Festlegung des Standards für experimentelle Genauigkeit.
- Treffen fundierter Architektur- und Modellierungsentscheidungen unter Abwägung von Modellqualität, Auswirkungen auf legitime Nutzer, Latenz, Zuverlässigkeit und Betriebskosten.
- Als zentraler Experte für Ihre Systeme fungieren: Leitung der Incident-Reaktion bei Modell-Regressionen, Reduzierung des operativen Aufwands und Gestaltung Ihrer Systeme, sodass andere leicht darauf aufbauen können.
- Zusammenarbeit mit Engineering, Produktmanagement, Data Science, Risikoexperten und führenden Stripe-Nutzern, um Modellverbesserungen in differenzierte Radar-Produkte zu verwandeln.
- Umwandlung wiederkehrender Probleme in wiederverwendbare Komponenten, Tools und KI-gestützte Workflows, die das gesamte Team beschleunigen.
- Mentoring von Ingenieuren, Durchführung durchdachter Design- und Code-Reviews sowie Unterstützung neuer Teammitglieder bei der schnellen Einarbeitung.
Wir suchen jemanden, der die Mindestanforderungen für diese Rolle erfüllt. Wenn Sie diese Anforderungen erfüllen, ermutigen wir Sie, sich zu bewerben. Die bevorzugten Qualifikationen sind ein Bonus, keine Voraussetzung.
Mindestanforderungen
- 5+ Jahre Erfahrung in der Entwicklung, Evaluierung und Bereitstellung von machine learning-Modellen in einer Produktionsumgebung.
- Nachweisbare Erfolge bei der Leitung von ML-Projekten von der Problemdefinition bis zur Produktion mit messbarem Einfluss.
- Fundierte Grundlagen in machine learning, Statistik, Modellevaluierung und Versuchsplanung.
- Starke Programmier- und Software-Engineering-Kenntnisse mit Erfahrung im Schreiben von getestetem, wartbarem Code für produktive ML-Anwendungen.
- Erfahrung im Entwurf und Betrieb von produktiven ML-Systemen, einschließlich mehrerer der folgenden Bereiche: großskalige Daten- und Feature-Pipelines, verteiltes Modelltraining, Latenzoptimierte Inferenz, Modellbereitstellung oder Produktionsüberwachung.
- Erfahrung im Mentoring von Ingenieuren oder in der technischen Leitung von Projekten mit mehreren Beteiligten.
- Fähigkeit, komplexe Probleme zu untersuchen, datenbasiert zu argumentieren und pragmatische technische Ansätze zu wählen.
- Fähigkeit, technische Ideen und Ergebnisse klar zu kommunizieren und effektiv disziplinübergreifend zusammenzuarbeiten.
Bevorzugte Qualifikationen
- Erfahrung in der Anwendung von ML auf Betrugserkennung, Integrität, Trust & Safety, Identität, Cybersicherheit oder einen anderen gegnerischen Bereich.
- Erfahrung in der Entwicklung oder Operationalisierung moderner deep learning-, Graph-Learning- oder LLM-basierter Ansätze.
- Erfahrung im Aufbau und der Optimierung von ML-Systemen mit geringer Latenz in großem Maßstab.
- Erfahrung in der Verantwortung für die operative Gesundheit kritischer ML-Systeme, einschließlich On-Call-Diensten, Incident-Reaktion und Migrationen.
- Erfahrung in der schnellen Entwicklung von 0→1-Produkten oder in der direkten Zusammenarbeit mit Kunden.
- Erfahrung im Aufbau von KI-gestützten Tools oder Agenten, die die Geschwindigkeit eines Teams messbar erhöht haben.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen