Staff Machine Learning / Operations Research Engineer

О Burq Мы революционизируем коммерцию от порта до двери с помощью Burq Intelligence. Burq начал с амбициозной миссии: превратить сложный процесс предоставления услуг доставки в простое, готовое решение. Это большая миссия, и теперь мы хотим, чтобы вы присоединились к нам, чтобы сделать ее еще больше. Мы гордимся тем, что нас признали одним из лучших рабочих мест для новаторов по версии Fast Company и партнером 2025 Inc. Magazine Power Partner — наградами, которые подчеркивают, как мы переосмысливаем будущее логистики, одновременно расширяя возможности наших партнеров для роста. При поддержке ведущих инвесторов Кремниевой долины, таких как Village Global (фонд, инвесторами которого являются Билл Гейтс, Джефф Безос, Марк Цукерберг, Рид Хоффман и Сара Блейкли), мы собрали команду мирового класса по всему миру. Мы работаем в больших масштабах, но остаемся достаточно небольшими, чтобы каждый человек мог оказать огромное влияние. Впереди много важной работы, и присоединение к Burq означает возможность расти быстрее, чем когда-либо, выполняя самую значимую работу в вашей карьере. Роль Мы ищем ведущего инженера по ML/OR, который будет определять и создавать интеллектуальные системы в основе Dispatch OS — нашей платформы для принятия решений по диспетчеризации с помощью ML. Вы будете определять техническое направление того, как Burq определяет цены, выбирает, прогнозирует и маршрутизирует доставки, и вы лично будете создавать наиболее эффективные модели и системы оптимизации, лежащие в их основе. Вы будете отвечать за архитектуру и дорожную карту ML и оптимизации на всей платформе, делать ключевые технические ставки и повышать стандарты того, как мы создаем, оцениваем и выпускаем модели. Это роль непосредственного исполнителя (IC) с влиянием на компанию в целом на выручку, прибыль и надежность доставки. Что вы будете делать Техническое лидерство Техническое направление: отвечайте за дорожную карту ML и оптимизации для Dispatch OS, определяя, какие проблемы решаются с помощью ML, какие — с помощью решателей, какие остаются эвристическими, и в каком порядке. Архитектура: проектируйте сквозную архитектуру для обслуживания моделей, оценки и оптимизации, чтобы она масштабировалась с объемом заказов, новыми поставщиками и новыми клиентами. Самые сложные проблемы: руководите наиболее неопределенными, рискованными задачами моделирования и оптимизации от постановки до продакшена и управляйте технической работой в отделах инжиниринга и данных. Повышение стандартов: устанавливайте стандарты для экспериментов, оценки и продакшн-ML, а также обучайте инженеров посредством обзоров дизайна, совместной работы и ревью кода. Стратегическое партнерство: работайте с отделом продукта и руководством над формированием продуктовой стратегии и определением того, где ML и OR создают конкурентное преимущество. Основные системы Выбор и ценообразование предложений: проектируйте и выпускайте модели для выбора предложений, динамического ценообразования и оценки надежности, которые измеримо улучшают прибыль, коэффициент выигрыша и конверсию. Прогнозирование: создавайте модели прогнозирования спроса и объема, включая современные подходы глубокого обучения, где они превосходят классические методы, чтобы помочь операциям и клиентам планировать загрузку водителей и парка. Оптимизация: переведите решения по диспетчеризации с эвристик на оптимизацию на основе решателей для пакетной обработки, оптимизации маршрутов и рекомендаций по транспортным средствам/парку, используя OR-Tools, Gurobi или аналогичные решения, где это оправдано. LLM и агенты: применяйте LLM и AI-агентов к рабочим процессам диспетчеризации, таким как извлечение правил поставщиков и условий тарифов из документов, а также автоматизация последующих действий по предложениям и обработки исключений. Оценка и доверие: создавайте строгие, воспроизводимые фреймворки оценки, которые позволяют клиентам проверять производительность модели на основе их собственных исторических решений, прежде чем доверять ей действия. Трансляция ограничений: преобразуйте реальные операционные ограничения (доступность водителей, правила поставщиков, предельные затраты) в требования к модели, логику оценки и формулировки оптимизации. MLOps: проектируйте и управляйте автоматизированными конвейерами для обучения, развертывания и мониторинга, чтобы модели оставались точными в продакшене в масштабе. AI-нативная работа: ежедневно используйте AI-инструменты для ускорения экспериментов, автоматизации конвейеров оценки и более быстрой отладки. Требования Требования 9+ лет прикладного ML или ML-инжиниринга, включая несколько лет работы на уровне старшего или ведущего специалиста, с моделями, развернутыми и поддерживаемыми в продакшене. Опыт определения технического направления для систем ML или оптимизации, где принятые вами архитектурные решения формировали продукт или платформу на протяжении нескольких лет. Подтвержденная способность руководить сложными техническими инициативами в разных командах без прямого авторитета. Опыт работы с системами ML или оптимизации с количественным бизнес-влиянием на уровне компании (например, десятки миллионов долларов выручки или значительное увеличение утилизации или прибыли), желательно в области ценообразования, логистики, маркетплейсов или операций. Глубокий опыт решения задач принятия решений, ранжирования и оценки, где результаты модели напрямую влияют на бизнес-действие. Сильное количественное и алгоритмическое мышление, включая комбинаторные задачи, удовлетворение ограничений и разработку алгоритмов. Практический опыт формулирования и решения задач оптимизации (LP/MIP, программирование с ограничениями или маршрутизация типа VRP). Опыт прогнозирования временных рядов в продакшене. Практический опыт развертывания систем на основе LLM в продакшене, таких как дообученные модели, конвейеры извлечения или агенты. Опыт управления полными конвейерами ML и MLOps (обучение, развертывание, мониторинг, переобучение). Комфортное взаимодействие с «грязными», неполными, сильно ограниченными операционными данными и способность создавать модели, которые учитывают жесткие бизнес-ограничения, а не рассматривают их как мягкие штрафы. Опыт создания фреймворков оценки, которым могут доверять и понимать нетехнические заинтересованные стороны. Приветствуется Опыт работы с программным обеспечением для доставки/диспетчеризации, платформами TMS или системами маршрутизации. Опыт работы с коммерческими или открытыми решателями (OR-Tools, Gurobi, CPLEX) в продакшене. Опыт в области ценообразования или управления доходами в авиации, автопарке или на транспорте. Опубликованные работы, патенты или вклад в открытый исходный код в области ML, OR или ценообразования. Преимущества Инвестиции в вас 🙏 Полностью удаленная работа Медицинская, офтальмологическая и стоматологическая страховка Компенсация образовательных курсов Щедрый отпуск