Director, Machine Learning Engineer Job at Hobbsnews in San Francisco
Hobbsnews, San Francisco, CA, United States
Director, Machine Learning Engineer
As a Capital One Machine Learning Engineer, you will provide technical leadership to Agile teams dedicated to productionizing machine learning applications and systems at scale. You will participate in detailed technical design, development, and implementation of machine learning applications using existing and emerging technology platforms.
What you’ll do in the role:
- Deliver machine learning models and software components that solve challenging business problems in the financial services industry, working in collaboration with product, architecture, engineering, and data science teams.
- Drive the creation and evolution of machine learning models and software that enable state‑of‑the‑art intelligent systems.
- Lead large‑scale machine learning initiatives with the customer in mind.
- Leverage cloud‑based architectures and technologies to deliver optimized machine learning models at scale.
- Optimize data pipelines to feed machine learning models.
- Use programming languages like Python, Scala, or Java.
- Evangelize best practices in all aspects of the engineering and modeling lifecycles.
- Recruit, nurture, and retain top engineering talent.
Basic Qualifications:
- Bachelor’s degree.
- At least 10 years of experience designing and building data‑intensive solutions using distributed computing.
- At least 6 years of experience programming with Python, Scala, or Java.
- At least 5 years of people management experience.
- At least 3 years of experience with the full machine learning development lifecycle using modern technology in a business‑critical setting.
Preferred Qualifications:
- Master’s or doctoral degree in computer science, electrical engineering, mathematics, or a similar field.
- 3+ years of experience building production‑ready data pipelines that feed machine learning models.
- 8+ years of experience within a large data‑intensive multi‑line business environment.
- 5+ years of experience leading software engineering teams.
- Expertise designing, implementing, and scaling complex production‑ready data pipelines for machine learning models.
- Experience partnering with technology peers responsible for data architecture and distributed computing infrastructure or platforms.
- Ability to communicate complex technical concepts clearly to a variety of audiences.
- Highly developed interpersonal, presentation, and communications skills.
- Machine learning industry impact through conference presentations, papers, blog posts, open source contributions, or patents.
- Ability to attract and develop high‑performing software engineers with an inspiring leadership style.
Capital One will consider sponsoring a new qualified applicant for employment authorization for this position.
Capital One is an equal opportunity employer (EOE, including disability/vet).
#J-18808-Ljbffr
En Español:
Director, ingeniero de aprendizaje automático
Como ingeniero de aprendizaje automático de Capital One, usted proporcionará liderazgo técnico a los equipos ágiles dedicados a la producción de aplicaciones y sistemas de aprendizado automático a escala.
Lo que harás en el papel:
- Entregar modelos de aprendizaje automático y componentes de software que resuelvan problemas empresariales desafiantes en la industria de servicios financieros, trabajando en colaboración con equipos de producto, arquitectura, ingeniería y ciencia de datos.
- Impulsar la creación y evolución de modelos y software de aprendizaje automático que permitan sistemas inteligentes de última generación.
- Dirigir iniciativas de aprendizaje automático a gran escala teniendo en cuenta al cliente.
- Aprovechar las arquitecturas y tecnologías basadas en la nube para ofrecer modelos de aprendizaje automático optimizados a escala.
- Optimizar las tuberías de datos para alimentar los modelos de aprendizaje automático.
- Utilice lenguajes de programación como Python, Scala o Java.
- Evangelizar las mejores prácticas en todos los aspectos de los ciclos de vida de ingeniería y modelado.
- Reclutar, criar y retener los mejores talentos de ingeniería.
Qualificaciones básicas:
- Grado de licenciatura.
- Al menos 10 años de experiencia en el diseño y la construcción de soluciones intensivas en datos utilizando la computación distribuida.
- Al menos 6 años de experiencia en programación con Python, Scala o Java.
- Al menos 5 años de experiencia en gestión de personas.
- Al menos 3 años de experiencia en todo el ciclo de vida de desarrollo del aprendizaje automático utilizando la tecnología moderna en un entorno empresarial crítico.
Qualificaciones preferentes:
- Máster o doctorado en ciencias de la computación, ingeniería eléctrica, matemáticas o un campo similar.
- 3+ años de experiencia en la construcción de tuberías de datos listas para la producción que alimenten los modelos de aprendizaje automático.
- Más de 8 años de experiencia en un entorno empresarial multilíneo de gran intensidad de datos.
- 5+ años de experiencia liderando equipos de ingeniería de software.
- Experiencia en el diseño, la implementación y la escalación de tuberías complejas de datos listas para producción para modelos de aprendizaje automático.
- Experiencia en la asociación con pares tecnológicos responsables de la arquitectura de datos y la infraestructura o plataformas de computación distribuida.
- Capacidad para comunicar conceptos técnicos complejos claramente a una variedad de audiencias.
- Habilidades interpersonales, de presentación y de comunicación altamente desarrolladas.
- El impacto de la industria del aprendizaje automático a través de presentaciones de conferencias, artículos, publicaciones de blogs, contribuciones de código abierto o patentes.
- Capacidad para atraer y desarrollar ingenieros de software de alto rendimiento con un estilo de liderazgo inspirador.
Capital One considerará patrocinar a un nuevo solicitante cualificado de autorización de empleo para este puesto.
Capital One es un empleador de igualdad de oportunidades (EOE, incluida la discapacidad/veteranía).
#J-18808-Ljbffr