Brésil
Keyrus Brazil
Docusign
Ingénieur Machine Learning
Brésil
São Paulo, Southeast, Brazil
JavaDockerKubernetesC#Go
Traduction automatique. Consultez l’original.
Présentation de l'entreprise
Docusign donne vie aux accords. Plus de 1.5 millions de clients et plus d'un milliard de personnes dans plus de 180 pays utilisent les solutions Docusign pour accélérer le processus commercial et simplifier la vie des gens. Grâce à la gestion intelligente des accords, Docusign libère les données critiques pour l'entreprise qui sont piégées dans les documents. Jusqu'à présent, celles-ci étaient déconnectées des systèmes d'enregistrement de l'entreprise, ce qui coûtait du temps, de l'argent et des opportunités aux entreprises. En utilisant la plateforme Intelligent Agreement Management de Docusign, les entreprises peuvent créer, valider et gérer des accords avec des solutions créées par l'entreprise n°1 en matière de signature électronique et de gestion du cycle de vie des contrats (CLM).
Vos missions
En tant qu'ingénieur Machine Learning ou ingénieur logiciel, vous contribuerez au développement de modèles de ML et construirez les logiciels de production qui permettent la confiance, la sécurité et la détection des fraudes. Ce rôle combine une pratique concrète du machine learning avec la responsabilité des services backend, des APIs, des intégrations et des pipelines de données qui transforment les résultats des modèles en capacités de détection et de prévention. Vous travaillerez avec des ingénieurs ML et logiciels seniors, ainsi qu'avec les équipes Confiance et Sécurité, Fraude, Protection des services, Produit et Données pour fournir des solutions fiables à mesure que les signaux et les modèles d'abus évoluent.
Ce poste est un rôle de contributeur individuel rattaché au directeur de la Confiance et de la Sécurité.
La vie chez Docusign
Travailler ici
Docusign s'engage à instaurer la confiance et à rendre le monde plus agréable pour nos employés, nos clients et les communautés dans lesquelles nous vivons et travaillons. Vous pouvez compter sur nous pour écouter, être honnêtes et faire de notre mieux pour agir correctement, chaque jour. Chez Docusign, tout est égal.
Nous avons chacun la responsabilité de garantir que chaque membre de l'équipe ait une chance égale de réussir, d'être entendu, d'échanger des idées ouvertement, de nouer des relations durables et d'accomplir le travail de sa vie. Mieux encore, vous pourrez ressentir une profonde fierté pour le travail que vous accomplissez, car votre contribution nous aide à rendre le monde meilleur que nous ne l'avons trouvé. Et pour cela, vous serez apprécié par nous, nos clients et le monde dans lequel nous vivons.
Responsabilités
- Développer, tester, évaluer et déployer des modèles de ML pour la fraude, le spam, les abus, le scoring de risque et la détection d'anomalies
- Construire des services backend, des APIs, des intégrations et des pipelines de données qui soutiennent la détection et la prévention basées sur le ML
- Intégrer des modèles et des signaux de risque dans des applications de production, des systèmes de décision et des interventions automatisées
- Travailler avec des ingénieurs ML seniors et des experts du domaine pour définir les signaux, les caractéristiques, les étiquettes et les approches d'évaluation
- Évaluer les performances des modèles et ajuster les compromis entre précision, rappel, faux positifs et faux négatifs
- Améliorer les systèmes de détection existants grâce au ML ou à des approches hybrides combinant règles et ML
- Prendre en charge les composants logiciels tout au long de leur conception, implémentation, test, déploiement, observabilité et maintenance
- Collaborer avec les équipes d'ingénierie et de données sur la télémétrie et l'infrastructure pour le traitement de données à haut volume et la détection en temps réel ou quasi réel
- Soutenir la surveillance des modèles, le réentraînement et l'investigation en cas de dégradation des performances
- Participer aux revues de conception et de code, à la réponse aux incidents et au support opérationnel, en intégrant les tendances en matière d'abus et les résultats des mesures d'application dans les améliorations de la détection
Désignation du poste
Hybride : L'employé divise son temps entre le travail au bureau et le travail à distance. L'accès à un site de bureau est requis. (Fréquence : Minimum 2 jours par semaine ; peut varier selon l'équipe, mais il s'agit d'une attente hebdomadaire de présence au bureau)
Les postes chez Docusign se voient attribuer une désignation de poste parmi « Au bureau », « Hybride » ou « À distance » et sont spécifiques au rôle/emploi. Les désignations de poste privilégiées ne sont pas garanties lors d'un changement de poste au sein de Docusign. Docusign se réserve le droit de modifier la désignation d'un poste en fonction des besoins de l'entreprise et conformément à la législation locale.
Aménagements
Docusign s'engage à fournir des aménagements raisonnables pour les personnes qualifiées en situation de handicap lors de nos procédures de candidature. Si vous avez besoin d'un tel aménagement, ou d'un aménagement religieux, pendant le processus de candidature, veuillez nous contacter à [email protected].
Si vous rencontrez des problèmes, des préoccupations ou des difficultés techniques pendant le processus de candidature, veuillez contacter notre organisation Talent à [email protected] pour obtenir de l'aide.
Avis de confidentialité pour les candidats
#LI-Hybrid
Ce que vous apportez
Compétences de base
- 5+ années d'expérience pertinente dans l'industrie avec une licence, ou 3 années d'expérience pertinente dans l'industrie avec un master
- Expérience dans la construction, l'exploitation et la maintenance de logiciels de production et dans le développement, l'évaluation ou l'intégration de modèles de ML dans des environnements de production
- Expérience avec C#, Java ou Go, et dans la construction de services backend, de APIs ou d'applications distribuées
- Expérience avec le machine learning, le traitement de données, l'ingénierie des caractéristiques et l'automatisation en utilisant des frameworks et des bibliothèques de ML
- Expérience avec l'apprentissage supervisé, la classification, la détection d'anomalies, la modélisation comportementale et les mesures d'évaluation, y compris la précision, le rappel, le déséquilibre des classes, les faux positifs et les faux négatifs
- Expérience dans la construction de pipelines de données et de caractéristiques utilisant des jeux de données comportementaux, événementiels ou transactionnels à grande échelle, y compris le traitement en flux ou à haut volume
- Expérience dans le support du déploiement et de l'intégration du ML dans des systèmes distribués, ainsi qu'avec les pratiques de fiabilité, d'évolutivité et d'ingénierie de production
- Expérience avec l'expérimentation, l'entraînement, la validation, la surveillance, le réentraînement des modèles et la dégradation des performances
- Expérience avec Docker et Kubernetes ou des technologies de conteneurisation et d'orchestration similaires
- Expérience avec des technologies d'observabilité telles que Prometheus, Grafana, OpenTelemetry ou Jaeger, ainsi qu'avec Azure et Azure DevOps ou équivalent
- Expérience dans la traduction d'exigences évolutives en solutions logicielles et de données, et dans la collaboration avec les équipes d'ingénierie, de produit, de données, d'opérations et les équipes spécialisées
Compétences souhaitées
- Expérience dans l'application du ML à la fraude, au spam, aux abus de messagerie ou de compte, à la fraude au paiement, à la prise de contrôle de compte, au risque d'identité, à la cybersécurité, à la confiance et à la sécurité, ou à tout autre domaine contradictoire
- Expérience dans le développement de modèles de scoring de risque comportemental ou au niveau du compte
- Expérience de travail avec des étiquettes bruitées ou imparfaites et des jeux de données hautement déséquilibrés
- Expérience dans l'intégration des résultats de modèles dans des décisions automatisées, des mesures d'application, des revues ou des interventions basées sur le risque
- Expérience dans l'intégration des retours d'analystes, d'enquêteurs ou d'opérations et des résultats des mesures d'application dans le développement de modèles
- Familiarité avec les approches de détection hybrides combinant ML et règles déterministes
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil