Senior Engineering Manager, Maschinelles Lernen

Bei Signifyd helfen wir Händlern, ihr Geschäft selbstbewusst auszubauen, indem wir vertrauensvolle Beziehungen zu ihren Kunden aufbauen. Unsere fortschrittliche Technologie, kombiniert mit einem Team, das wirklich in den Erfolg unserer Kunden investiert, schafft reibungslose Einkaufserlebnisse, genehmigt mehr gute Bestellungen, sichert den Umsatz und sorgt dafür, dass die Kunden zufrieden sind.

Tausende führender Händler in mehr als 100 Ländern vertrauen uns und wir verarbeiten jedes Jahr Milliarden von Transaktionen sicher. Unsere Mitarbeiter sind das Herzstück unseres Handelns und treiben unsere Mission mit Engagement, Einfühlungsvermögen und Kreativität voran. Begleiten Sie uns auf unserer Mission, einen sicheren, betrugsfreien Handel zu ermöglichen, indem wir Online-Händlern dabei helfen, erstklassige Kundenerlebnisse zu bieten und Betrug zu verhindern. Erfahren Sie hier mehr über unsere Unternehmenswerte!

Signifyd AI Lab (SAIL) entwickelt die ML-Produkte, die den Betrugs- und Risikoentscheidungen von Signifyd zugrunde liegen. Wir verbessern die Vorhersageleistung der Modelle, die über E-Commerce-Transaktionen in großem Maßstab entscheiden, wir skalieren die ML-Fähigkeiten unserer Risikoorganisation und wir dringen in die neuen Märkte und Problembereiche vor, die den Markt erweitern, an den Signifyd verkaufen kann.

Jeder Bereich in dieser Abteilung ist eine Mischung aus Experimenten, Code und Statistiken. Wir errichten keine Mauern zwischen den Menschen, die die Ideen haben, und den Menschen, die sie umsetzen. Das Team teilt seine Zeit zwischen kurzfristigen kontinuierlichen Modellverbesserungen und längerfristigen Innovationswetten auf, um die Fähigkeiten des Unternehmens im Jahr 2027 und darüber hinaus zu verbessern. Diese Wetten tauchen von Grund auf in einem Umfeld auf, in dem wir glauben, dass diejenigen, die den Problemen am nächsten stehen, am besten in der Lage sind, zu verstehen, wie sie gelöst werden können.

Wir stellen einen Manager ein, der eines der Teams in dieser Abteilung leitet.

Wer du bist

Sie sind ein praktischer Spieler-Trainer-Manager, der in Unklarheiten aufblüht – wo die Roadmap aus einer Reihe von Hypothesen besteht und die Antwort auf die Frage „Wird das funktionieren?“ lautet. ist „Wir werden es in drei Wochen wissen.“

Sie bringen mit:

Technische Glaubwürdigkeit (Der „Spieler“): Sie bleiben nah genug an der Arbeit, um eine fundierte Meinung zu haben. Sie lesen den Code, inspizieren die Evaluierungspipelines und können sofort den Unterschied zwischen einem statistischen Ergebnis, das in der Produktion Bestand hat, und einem, das zufällig in einem einzelnen Testfenster gut aussieht, erkennen.

Führung und Strenge (Der „Coach“): Sie legen eine hohe Messlatte für Beweise an, ohne zu einem Hindernis für Experimente zu werden. Sie betreuen Ingenieure dabei, die Qualität ihres Codes zu gewährleisten, und Sie übersetzen komplexe ML-Leistungsmetriken in klare Geschäftsergebnisse für die Risikoführerschaft.

Executive Judgement: Sie wissen, wie man Forschungswetten gegen vierteljährliche Ergebnisse abwägt, uneinig ist und sich verpflichtet, wenn Entscheidungen getroffen werden, und ein Umfeld schafft, in dem gut dokumentierte negative experimentelle Ergebnisse als echter Fortschritt gefeiert werden.

Was Sie tun werden

Führen und erweitern Sie das Team

• Lenken Sie die Karriereentwicklung, bewältigen Sie Konflikte und fördern Sie ein positives Arbeitsumfeld.

• Entwickeln Sie gemeinsam mit den Teammitgliedern Karrierepläne, geben Sie Hinweise zur Kompetenzentwicklung und verfolgen Sie deren Entwicklung.

• Nehmen Sie an regelmäßigen Einzelgesprächen teil, geben Sie ständig Feedback und schaffen Sie eine sichere Umgebung für offene Diskussionen – auch für Diskussionen im Anschluss an ein Experiment, das nicht funktioniert hat.

• Setzen Sie klare Ziele, betreuen Sie das Team und fördern Sie eine kollaborative Umgebung in einer geografisch verteilten Organisation.

• Fördern Sie eine Kultur des Lernens und der Verbesserung, bieten Sie technische Anleitung und unterstützen Sie Teammitglieder sowohl bei technischen als auch bei Soft Skills.

• Führen Sie Vorstellungsgespräche mit Technikern und Personalmanagern durch, schulen Sie das Team in Vorstellungsgesprächstechniken und helfen Sie uns, die Messlatte bei unserem Wachstum immer höher zu legen.

• Identifizieren und beheben Sie Lücken in den Fähigkeiten und Prozessen des Teams, um die Effizienz und den Erfolg des Teams zu steigern.

Führen Sie ein Portfolio von Experimenten durch, keine Lieferwarteschlange

• Arbeiten Sie mit Ihren technischen Leitern zusammen, die die technische Roadmap für ihre Bereiche besitzen und vorantreiben. Ihre Aufgabe besteht nicht darin, die alleinige Quelle von Ideen zu sein – es geht darum, sie einem Drucktest zu unterziehen, sie zu schärfen, dafür zu sorgen, dass die Stärksten Ressourcen erhalten, und dafür zu sorgen, dass die Leute, die sie hervorbringen, den Raum und die Unterstützung dafür haben. Wenn Sie eine Idee einbringen, bringen Sie sie als Peer in das technische Gespräch ein.

• Treffen Sie die Entscheidungen, die die Roadmap nicht für Sie treffen kann: Welche Hypothesen erhalten Rechenleistung und Personalanzahl, welche erhalten eine weitere Iteration und welche erhalten ein klares, dokumentiertes „Nein“. Ein gut durchgeführtes negatives Ergebnis ist ein echtes Ergebnis, und wir behandeln es als solches – aber nur, wenn es erklärt, niedergeschrieben und daraus gelernt wird.

• Bewältigen Sie den Kompromiss zwischen einem festgelegten Verbesserungsziel, das Sie in diesem Jahr erreichen müssen, und Recherchewetten, die sich möglicherweise mehrere Quartale lang nicht auszahlen. Sobald Beweise vorliegen, werden Sie das Budget erneut kürzen und die Gründe dafür sowohl Ihrem Team als auch Ihren Stakeholdern erläutern können.

• Seien Sie strikt dabei, wie das Team entscheidet, dass etwas funktioniert hat. Offline-Ergebnisse müssen Online-Verhalten vorhersagen; Eine starke Punktschätzung für ein einzelnes Bewertungsfenster ist ein Ausgangspunkt, keine Schlussfolgerung. Sie werden die Person sein, die sich fragt, ob die Verbesserung eine fortlaufende Bewertung übersteht, ob sie bereits durch eine Änderung erfasst wurde, die wir letzten Monat ausgeliefert haben, und was wahr sein müsste, damit sie falsch ist.

• Eigener Vortrag in einer Kadenz. Unabhängige experimentelle Workstreams müssen zu einem Release-Kandidaten zusammenlaufen, durchgängig evaluiert und versendet werden – einschließlich der harten Entscheidung, einen Workstream aus einem Release herauszulassen, wenn er sein Gewicht nicht trägt.

Geben Sie in Zusammenarbeit mit Risk die Richtung anhand von Daten vor

• Arbeiten Sie direkt mit unseren Risikopartnern als Ihren wichtigsten Stakeholdern zusammen. Unsere Verpflichtungen ihnen gegenüber sind explizit, maßvoll und niedergeschrieben; Wir liefern Modellleistung und sie verfügen über Schwellenwerte, Regeln und die Art und Weise, wie Entscheidungen auf Händler angewendet werden.

• Arbeiten Sie mit einem hohen Maß an Autonomie. Unsere Richtung ergibt sich aus der gemessenen Leistung im Vergleich zu diesen Verpflichtungen und aus dem, was unsere eigenen Experimente uns sagen, und nicht aus einem Produkt-Backlog, das dem Team übergeben wird. Von Ihnen wird erwartet, dass Sie wissen, woran Ihr Team arbeiten sollte, und dass Sie es verteidigen, anstatt darauf zu warten, dass es Ihnen gesagt wird.…

Quelle: Jobicy (https://jobicy.com/jobs/156889-senior-engineering-manager-machine-learning)