Vereinigte Staaten
ComTec Solutions LLC
Burq, Inc.
Staff Machine Learning / Operations Research Engineer
RemoteVereinigte Staaten
United States
Automatische Übersetzung. Prüfe das Original.
Über Burq
Wir revolutionieren den Handel vom Hafen bis zur Haustür mit Burq Intelligence.
Burq begann mit einer ehrgeizigen Mission: den komplexen Prozess der Lieferangebote in eine einfache, schlüsselfertige Lösung zu verwandeln. Es ist eine große Mission, und jetzt wollen wir, dass Sie uns helfen, sie noch größer zu machen.
Wir sind stolz darauf, als einer der besten Arbeitsplätze für Innovatoren von Fast Company und als Inc. Magazine Power Partner 2025 ausgezeichnet worden zu sein – Auszeichnungen, die hervorheben, wie wir die Zukunft der Logistik neu definieren und gleichzeitig unsere Partner befähigen, zu wachsen.
Unterstützt von führenden Silicon-Valley-Investoren wie Village Global, dem Fonds, dessen Investoren Bill Gates, Jeff Bezos, Mark Zuckerberg, Reid Hoffman und Sara Blakely sind, haben wir ein erstklassiges Team auf der ganzen Welt aufgebaut.
Wir agieren im großen Maßstab, bleiben aber klein genug, damit jede Person einen massiven Einfluss haben kann. Es liegt noch viel wichtige Arbeit vor uns, und Burq beizutreten bedeutet die Möglichkeit, schneller als je zuvor zu wachsen und gleichzeitig die bedeutungsvollste Arbeit Ihrer Karriere zu leisten.
Die Rolle
Wir stellen einen Staff ML/OR-Ingenieur ein, um die Intelligenz im Kern von Dispatch OS zu definieren und zu entwickeln, unserer Plattform für ML-gestützte Dispositionsentscheidungen. Sie werden die technische Richtung vorgeben, wie Burq Lieferungen bepreist, auswählt, prognostiziert und leitet, und Sie werden persönlich die wirkungsvollsten Modelle und Optimierungssysteme dahinter entwickeln.
Sie werden die Architektur und Roadmap für ML und Optimierung auf der gesamten Plattform verantworten, die wichtigsten technischen Wetten eingehen und die Messlatte dafür höher legen, wie wir Modelle erstellen, bewerten und ausliefern. Dies ist eine hands-on IC-Rolle mit unternehmensweitem Einfluss auf Umsatz, Marge und Lieferzuverlässigkeit.
Was Sie tun werden
Technische Führung
- Technische Richtung: Verantwortung für die ML- und Optimierungs-Roadmap für Dispatch OS, Entscheidung darüber, welche Probleme ML erfordern, welche Solver benötigen, welche heuristisch bleiben und in welcher Reihenfolge
- Architektur: Entwurf der End-to-End-Architektur für Model Serving, Evaluierung und Optimierung, damit diese mit dem Bestellvolumen, neuen Anbietern und neuen Kunden skaliert
- Schwierigste Probleme: Leitung der unklarsten, risikoreichsten Modellierungs- und Optimierungsprobleme von der Formulierung bis zur Produktion und Anleitung der technischen Arbeit über Engineering und Data
- Messlatte höher legen: Festlegung von Standards für Experimente, Evaluierung und Produktions-ML sowie Mentoring von Ingenieuren durch Design-Reviews, Pair-Programming und Code-Reviews
- Strategische Partnerschaft: Zusammenarbeit mit Produkt und Führungskräften zur Gestaltung der Produktstrategie und Identifizierung, wo ML und OR Wettbewerbsvorteile schaffen
Kernsysteme
- Angebotsauswahl und Preisgestaltung: Entwurf und Auslieferung von Modellen für Angebotsauswahl, dynamische Preisgestaltung und Zuverlässigkeitsbewertung, die Marge, Gewinnrate und Konversion messbar verbessern
- Prognose: Erstellung von Nachfrage- und Volumenprognosemodellen, einschließlich moderner deep learning Ansätze, wo diese klassische Methoden übertreffen, um den Betrieben und Kunden bei der Planung von Fahrer- und Flottenkapazitäten zu helfen
- Optimierung: Verschiebung von Dispositionsentscheidungen von Heuristiken zu solverbasierten Optimierungen für Batching, Routenoptimierung und Fahrzeug-/Flottenempfehlungen unter Verwendung von OR-Tools, Gurobi oder ähnlichem, wo es sich lohnt
- LLMs und Agenten: Anwendung von LLMs und KI-Agenten auf Dispositions-Workflows, wie z. B. die Extraktion von Anbieterregeln und Ratenbedingungen aus Dokumenten und die Automatisierung von Angebotsnachverfolgungen und Ausnahmefällen
- Evaluierung und Vertrauen: Erstellung rigoroser, wiederholbarer Bewertungsframeworks, die es Kunden ermöglichen, die Leistung eines Modells anhand ihrer eigenen historischen Entscheidungen zu überprüfen, bevor sie ihm vertrauen, dass es handelt
- Übersetzung von Einschränkungen: Umwandlung realer betrieblicher Einschränkungen (Fahrer-Verfügbarkeit, Anbieterregeln, Kostenobergrenzen) in Modellierungsanforderungen, Bewertungslogik und Optimierungsformulierungen
- MLOps: Entwurf und Verantwortung für automatisierte Pipelines für Training, Bereitstellung und Überwachung, damit Modelle in der Produktion skalierbar bleiben und korrekt funktionieren
- KI-native Arbeit: Tägliche Nutzung von KI-Tools zur Beschleunigung von Experimenten, Automatisierung von Evaluierungs-Pipelines und schnellerem Debugging
Anforderungen
- 9+ Jahre Erfahrung in angewandtem ML oder ML-Engineering, einschließlich mehrerer Jahre in einer Senior- oder Staff-Position, mit Modellen, die in der Produktion bereitgestellt und gewartet wurden
- Nachgewiesene Erfolgsbilanz bei der Festlegung der technischen Richtung für ML- oder Optimierungssysteme, bei denen von Ihnen getroffene Architektur-Entscheidungen ein Produkt oder eine Plattform über mehrere Jahre hinweg geprägt haben
- Nachgewiesene Fähigkeit, komplexe technische Initiativen teamübergreifend ohne direkte Autorität zu leiten
- Nachgewiesene Erfolgsbilanz von ML- oder Optimierungssystemen mit quantifizierbarem Geschäftseinfluss auf Unternehmensebene (z. B. zig Millionen Umsatz oder erhebliche Nutzungs- oder Margengewinne), idealerweise in den Bereichen Preisgestaltung, Logistik, Marktplätze oder Betrieb
- Tiefgreifende Erfahrung mit Entscheidungs-, Ranking- und Scoring-Problemen, bei denen Modell-Outputs direkt eine Geschäftsaktion auslösen
- Starkes quantitatives und algorithmisches Denkvermögen, einschließlich kombinatorischer Probleme, Constraint Satisfaction und Algorithmenentwurf
- Praktische Erfahrung in der Formulierung und Lösung von Optimierungsproblemen (LP/MIP, Constraint Programming oder VRP-ähnliche Routenplanung)
- Erfahrung mit Zeitreihenprognosen in der Produktion
- Praktische Erfahrung mit der Bereitstellung von LLM-basierten Systemen in der Produktion, wie z. B. feinabgestimmte Modelle, Extraktions-Pipelines oder Agenten
- Erfahrung mit der Verantwortung für End-to-End-ML-Pipelines und MLOps (Training, Bereitstellung, Überwachung, Retraining)
- Komfort mit unordentlichen, unvollständigen, einschränkungsreichen operativen Daten und Fähigkeit, Modelle zu erstellen, die harte Geschäftseinschränkungen einhalten, anstatt sie als weiche Strafen zu behandeln
- Erfahrung im Aufbau von Bewertungsframeworks, die nicht-technische Stakeholder verstehen und denen sie vertrauen können
Nice-to-have
- Erfahrung mit Liefer-/Dispositionssoftware, TMS-Plattformen oder Routingsystemen
- Produktionserfahrung mit kommerziellen oder Open-Source-Lösern (OR-Tools, Gurobi, CPLEX)
- Erfahrung mit Preisgestaltung oder Revenue Management in der Luftfahrt, Flottenmanagement oder im Transportwesen
- Veröffentlichte Arbeiten, Patente oder Open-Source-Beiträge in ML, OR oder Preisgestaltung
Investition in Sie 🙏
- Vollständig remote
- Kranken-, Seh- und Zahnversicherung
- Erstattung für Bildungskurse
- Großzügige Freizeit
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