Brasilien
Keyrus Brazil
Docusign
Machine Learning Engineer
Brasilien
São Paulo, Southeast, Brazil
JavaDockerKubernetesC#Go
Automatische Übersetzung. Prüfe das Original.
Unternehmensüberblick
Docusign erweckt Vereinbarungen zum Leben. Über 1.5 Millionen Kunden und mehr als eine Milliarde Menschen in über 180 Ländern nutzen die Lösungen von Docusign, um Geschäftsprozesse zu beschleunigen und das Leben der Menschen zu vereinfachen. Mit intelligentem Vereinbarungsmanagement erschließt Docusign geschäftskritische Daten, die in Dokumenten verborgen sind. Bisher waren diese von den geschäftlichen Datensystemen getrennt, was Unternehmen Zeit, Geld und Chancen kostete. Mit der Intelligent Agreement Management-Plattform von Docusign können Unternehmen Vereinbarungen erstellen, unterzeichnen und verwalten – mit Lösungen des #1-Unternehmens im Bereich E-Signatur und Contract Lifecycle Management (CLM).
Ihre Aufgaben
Als Machine Learning oder Software Engineer tragen Sie zur Entwicklung von ML-Modellen bei und erstellen die Produktionssoftware, die Trust and Safety sowie Betrugserkennung ermöglicht. Diese Rolle kombiniert praktische machine learning-Arbeit mit der Verantwortung für backend-Dienste, APIs, Integrationen und Datenpipelines, die Modellausgaben in Erkennungs- und Präventionsfunktionen umwandeln. Sie arbeiten mit erfahrenen ML- und Software-Ingenieuren sowie den Teams für Trust and Safety, Betrug, Service-Schutz, Produkt und Daten zusammen, um zuverlässige Lösungen bereitzustellen, während sich Signale und Missbrauchsmuster weiterentwickeln.
Diese Position ist eine Rolle als Individual Contributor und berichtet an den Director, Trust and Safety.
Leben bei Docusign
Arbeiten bei uns
Docusign setzt sich dafür ein, Vertrauen aufzubauen und die Welt für unsere Mitarbeiter, Kunden und die Gemeinschaften, in denen wir leben und arbeiten, angenehmer zu gestalten. Sie können sich darauf verlassen, dass wir zuhören, ehrlich sind und jeden Tag unser Bestes geben, um das Richtige zu tun. Bei Docusign ist alles gleichberechtigt.
Wir alle tragen die Verantwortung dafür, sicherzustellen, dass jedes Teammitglied die gleiche Chance hat, erfolgreich zu sein, gehört zu werden, Ideen offen auszutauschen, dauerhafte Beziehungen aufzubauen und die Arbeit seines Lebens zu leisten. Das Beste daran ist, dass Sie tiefen Stolz auf Ihre Arbeit empfinden werden, denn Ihr Beitrag hilft uns, die Welt besser zu hinterlassen, als wir sie vorgefunden haben. Und dafür werden Sie von uns, unseren Kunden und der Welt, in der wir leben, geschätzt.
Verantwortlichkeiten
- Entwicklung, Test, Evaluierung und Bereitstellung von ML-Modellen für Betrug, Spam, Missbrauch, Risikobewertung und Anomalieerkennung
- Aufbau von backend-Diensten, APIs, Integrationen und Datenpipelines zur Unterstützung der ML-gestützten Erkennung und Prävention
- Integration von Modellen und Risikosignalen in Produktionsanwendungen, Entscheidungssysteme und automatisierte Eingriffe
- Zusammenarbeit mit erfahrenen ML-Ingenieuren und Fachexperten zur Definition von Signalen, Merkmalen, Labels und Evaluierungsansätzen
- Evaluierung der Modellleistung und Feinabstimmung von Präzision, Recall sowie Abwägungen zwischen falsch-positiven und falsch-negativen Ergebnissen
- Verbesserung bestehender Erkennungssysteme durch ML oder hybride Ansätze aus Regeln und ML
- Verantwortung für Softwarekomponenten über Design, Implementierung, Test, Bereitstellung, Observability und Wartung hinweg
- Zusammenarbeit mit Engineering- und Datenteams bei Telemetrie und Infrastruktur für die Verarbeitung großer Datenmengen und Erkennung in Echtzeit oder nahezu in Echtzeit
- Unterstützung bei Modellüberwachung, Umschulung und Untersuchung von Leistungsabfällen
- Teilnahme an Design- und Code-Reviews, Incident Response und operativem Support, wobei Missbrauchstrends und Durchsetzungsergebnisse in Verbesserungen der Erkennung einfließen
Job-Bezeichnung
Hybrid: Der Mitarbeiter teilt seine Zeit zwischen Büro und Remote-Arbeit auf. Der Zugang zu einem Bürostandort ist erforderlich. (Häufigkeit: Mindestens 2 Tage pro Woche; kann je nach Team variieren, aber es besteht eine wöchentliche Präsenzpflicht im Büro)
Positionen bei Docusign werden mit einer Job-Bezeichnung wie In Office, Hybrid oder Remote versehen und sind rollen-/jobspezifisch. Bevorzugte Job-Bezeichnungen sind bei einem internen Stellenwechsel innerhalb von Docusign nicht garantiert. Docusign behält sich das Recht vor, die Job-Bezeichnung einer Position je nach geschäftlichen Anforderungen und im Rahmen der geltenden lokalen Gesetze zu ändern.
Unterstützung
Docusign verpflichtet sich, qualifizierten Personen mit Behinderungen bei unseren Bewerbungsverfahren angemessene Unterstützung zu bieten. Wenn Sie während des Bewerbungsprozesses eine solche Unterstützung oder eine religiöse Anpassung benötigen, kontaktieren Sie uns bitte unter accommodations@docusign.com.
Wenn Sie während des Bewerbungsprozesses Probleme, Bedenken oder technische Schwierigkeiten haben, wenden Sie sich bitte an unsere Talent-Organisation unter taops@docusign.com für Unterstützung.
Datenschutzhinweis für Bewerber und Kandidaten
#LI-Hybrid
Was Sie mitbringen
Grundlegend
- 5+ Jahre einschlägige Branchenerfahrung mit einem Bachelor-Abschluss oder 3 Jahre einschlägige Branchenerfahrung mit einem Master-Abschluss
- Erfahrung im Aufbau, Betrieb und der Wartung von Produktionssoftware sowie in der Entwicklung, Evaluierung oder Integration von ML-Modellen in Produktionsumgebungen
- Erfahrung mit C#, Java oder Go sowie im Aufbau von backend-Diensten, APIs oder verteilten Anwendungen
- Erfahrung mit machine learning, Datenverarbeitung, Feature Engineering und Automatisierung unter Verwendung von ML-Frameworks und Bibliotheken
- Erfahrung mit überwachtem Lernen, Klassifizierung, Anomalieerkennung, Verhaltensmodellierung und Evaluierungsmaßen, einschließlich Präzision, Recall, Klassenungleichgewicht, falsch-positiven und falsch-negativen Ergebnissen
- Erfahrung im Aufbau von Daten- und Feature-Pipelines unter Verwendung umfangreicher Verhaltens-, Ereignis- oder Transaktionsdatensätze, einschließlich Streaming oder Hochvolumenverarbeitung
- Erfahrung bei der Unterstützung von ML-Bereitstellung und -Integration in verteilte Systeme sowie mit Zuverlässigkeit, Skalierbarkeit und Production-Engineering-Praktiken
- Erfahrung mit Modellexperimenten, Training, Validierung, Überwachung, Umschulung und Leistungsabfällen
- Erfahrung mit Docker und Kubernetes oder ähnlichen Containerisierungs- und Orchestrierungstechnologien
- Erfahrung mit Observability-Technologien wie Prometheus, Grafana, OpenTelemetry oder Jaeger sowie Azure und Azure DevOps oder gleichwertigen Technologien
- Erfahrung bei der Umsetzung sich entwickelnder Anforderungen in Software- und Datenlösungen sowie in der Zusammenarbeit mit Engineering-, Produkt-, Daten-, Betriebs- und Fachteams
Bevorzugt
- Erfahrung in der Anwendung von ML auf Betrug, Spam, Messaging- oder Kontomissbrauch, Zahlungsbetrug, Kontoübernahme, Identitätsrisiko, Cybersicherheit, Trust and Safety oder einem anderen gegnerischen Bereich
- Erfahrung in der Entwicklung von Modellen zur Risikobewertung auf Verhaltens- oder Kontoebene
- Erfahrung in der Arbeit mit verrauschten oder unvollständigen Labels und stark unausgewogenen Datensätzen
- Erfahrung bei der Integration von Modellausgaben in automatisierte Entscheidungsfindungen, Durchsetzungen, Überprüfungen oder risikobasierte Eingriffe
- Erfahrung bei der Einbeziehung von Feedback von Analysten, Ermittlern oder dem Betrieb sowie Durchsetzungsergebnissen in die Modellentwicklung
- Vertrautheit mit hybriden Erkennungsansätzen, die ML und deterministische Regeln kombinieren
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