Senior Java Engineer – AI/ML Productionisation for Anti-Financial Crime Software

Ein in der Schweiz ansässiges Spezialsoftwareunternehmen, das seit über drei Jahrzehnten Compliance- und Risikotechnologie für Finanzinstitute entwickelt, sucht einen neuen Software Engineer, um die Lücke zu schließen. Ihre Plattform steht im Mittelpunkt, wie Banken Finanzkriminalität erkennen, indem sie hohe Volumina von Ereignissen in Echtzeit verarbeiten, wobei Genauigkeit und Zuverlässigkeit nicht verhandelbar sind. In den letzten zehn Jahren haben sie eine der ausgeklügeltsten KI-Fähigkeiten im Bereich der Compliance-Technologie aufgebaut und arbeiten weiter daran, dies in einen global verfügbaren Live-Betriebszustand zu bringen.

Sie suchen nun einen Senior Java Engineer, der dem Team beitritt, das dafür verantwortlich ist, dass diese KI in der Produktion funktioniert.

Das Engineering-Problem

Das KI-Team baut Modelle. Ihre Aufgabe ist es, sie real zu machen. Das bedeutet, die Modellausgaben des Data-Science-Teams zu nehmen und sie in produktionsreife Dienste zu integrieren; robust, beobachtbar, skalierbar und integriert in eine hochgradige ereignisgesteuerte Plattform, die auf Kafka basiert. Die Herausforderungen sind nicht rein ML. Es sind Software-Engineering-Herausforderungen, die zufällig ML beinhalten:

• Wie bedienen Sie ein Modell zuverlässig unter Last?
• Was passiert, wenn Eingaben abweichen oder Vorhersagen sich verschlechtern?
• Wie bauen Sie Fallback-Logik, die das System am Laufen hält, wenn etwas Unerwartetes passiert?
• Wie machen Sie das Verhalten eines Modells für die Ingenieure, die es betreiben, beobachtbar?

Dies sind die Probleme, die Sie besitzen werden.

Was Sie tun werden

• Erstellen und Warten von Java-Diensten, die ML-Modellausgaben umhüllen, bereitstellen und integrieren
• Entwerfen der auf Kafka basierenden Pipelines, die Echtzeitevents in Bewertungs- und Vorhersage-Workflows einspeisen
• Eng mit Data Scientists zusammenarbeiten, um Modellanforderungen zu verstehen und in zuverlässige Technik zu übersetzen
• Die Produktionsrealitäten von ML-Systemen handhaben: Versionierung, Überwachung, Latenz, Fehlermodi
• Zur Architektur beitragen, wie die KI-Fähigkeit im Laufe der Zeit skaliert

Was sie suchen

• Echte Erfahrung mit Kafka in einer Produktionsumgebung, nicht nur Vertrautheit
• Vertrautheit mit Python; Sie werden regelmäßig mit Python-basierten Modellartefakten und -werkzeugen interagieren
• Praktische Erfahrung mit ML-Systemen in der Produktion; Sie müssen keine Modelle erstellen, aber Sie müssen verstehen, was passiert, wenn sie live gehen
• Ingenieure, die über Zuverlässigkeit, Beobachtbarkeit und Fehlerbehandlung nachdenken, nicht nur über die Bereitstellung von Funktionen

Schön zu haben

• Apache Spark - besonders relevant, wenn Sie an Batch-Feature-Engineering oder Trainingspipelines gearbeitet haben
• Erfahrung mit Modellbereitstellungsrahmen oder Feature-Stores
• Hintergrund in Fintech, Regtech oder einem Bereich, in dem Korrektheit in großem Maßstab eine harte Anforderung ist

Was dies anders macht

• Sie bauen keine Demos oder interne Werkzeuge, die Modelle, die Sie in die Produktion bringen, werden von Banken verwendet, um Betrug und Finanzkriminalität im großen Maßstab zu erkennen
• Der KI-Fahrplan hier ist ein Jahrzehnt in der Entstehung, kein Pivot 2023, und es gibt echte Tiefe, mit der man arbeiten kann
• Sie sitzen an der Grenze zwischen Data Science und Backend-Engineering
• Eng verbundenes Team, bedeutende Probleme und ein Code, der mit Qualität im Hinterkopf erstellt wurde

Die Einrichtung

Zürich, Schweiz | Unbefristet | Hybrid – 2/3 Tage vor Ort, 2/3 Tage remote

Wenn Sie starke Java-Instinkte haben, an Systemen gearbeitet haben, bei denen ML-Ausgaben Teil des Produkts werden, und Ihnen wichtig ist, was passiert, nachdem das Modell trainiert wurde, ist dies ein Gespräch wert.