Vereinigte Staaten
The MITRE Corporation
Waymo
Senior Machine Learning Engineer, Growth
Vereinigte Staaten
Mountain View, California, United States · San Francisco, California, United States
PythonSQLGo
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Waymo ist ein Unternehmen für autonome Fahrtechnologie mit der Mission, der weltweit vertrauenswürdigste Fahrer zu sein. Seit seiner Gründung als Google Self-Driving Car Project im Jahr 2009 konzentriert sich Waymo auf den Aufbau des Waymo Drivers – The World's Most Experienced Driver™ –, um den Zugang zur Mobilität zu verbessern und Tausende von Leben zu retten, die durch Verkehrsunfälle verloren gehen. Der Waymo Driver treibt den vollautonomen Ride-Hail-Service von Waymo an und kann auch auf eine Reihe von Fahrzeugplattformen und Produktanwendungsfälle angewendet werden. Der Waymo Driver hat über zehn Millionen Fahrten nur für Fahrgäste ermöglicht, gestützt auf seine Erfahrung im autonomen Fahren von über 100 Millionen Meilen auf öffentlichen Straßen und zig Milliarden in Simulationen in über 15 US-Bundesstaaten.
Das Growth Machine Learning Engineering Team arbeitet eng mit Data Science zusammen, um Modelle von der Experimentation in die zuverlässige Produktion zu überführen. Wir sind verantwortlich für die zugrundeliegende ML-Dateninfrastruktur: Standardisierung gemeinsamer Feature-Definitionen, Eliminierung von Datenlecks in Trainingspipelines, Automatisierung von geplanten Neutrainings und Einrichtung von Schutzmaßnahmen, damit fehlerhafte Batch-Scoring-Läufe niemals Live-Promotions beeinträchtigen. Durch die Verwaltung der Datenintegrität, der Deployment-Pipelines und der Produktionsüberwachung bieten wir den dedizierten Engineering-Support, der benötigt wird, um modellgesteuerte Wachstumsinitiativen zuverlässig und skalierbar zu halten.
Ihre Aufgaben
- Verantwortung für die Feature-Schicht zwischen der Growth DB und den Modellen. Zusammenarbeit mit Data Engineering beim Schema-Design für ML-Features und mit Data Science, um deren Feature-Listen in versionierte Feature-Definitionen umzuwandeln, aus denen sowohl Training als auch Scoring lesen.
- Erstellung von zeitlich korrekten Trainingsdaten, damit ein Neutraining jeden Tag so sieht, wie er war, und keine zukünftigen Daten durchsickern. Data Science hat dies bereits als Lücke in den heutigen Pipelines bezeichnet.
- Überführung von von Data Science trainierten Modellen in die Produktion: Validierung anhand der Offline-Ergebnisse, Anbindung an Batch-Scoring und Hinzufügen von Eingabe- und Ausgabeprüfungen, die einen fehlerhaften Lauf stoppen, bevor Promotions herausgehen.
- Leitung der Trainingsautomatisierung: geplante Neutrainings, ein Modell-Repository und Validierung, bevor eine neue Modellversion hochgestuft wird.
- Überwachung von Modellen in der Produktion: Feature-Drift, Verschiebungen in der Score-Verteilung und Modell- versus Random-Arm-Ergebnisse.
- Seien Sie der tägliche Engineering-Ansprechpartner für Data Science, damit Feature- und Modellierungsfragen nicht hinter dem Tech Lead anstehen.
Ihr Profil
- Erfahrung im Aufbau von Produktions-ML-Systemen: Feature-Pipelines, Generierung von Trainingsdaten, Batch-Inferenz.
- Starke SQL und Python Kenntnisse, plus groß angelegte Datenverarbeitung (Flume, Beam, Spark oder ähnliches).
- Entwurf von Feature-Schemas oder Arbeit an einem Feature Store, und Verständnis von zeitlicher Korrektheit und Train/Serve-Skew durch deren Behebung.
- Produktionsreife und Verantwortung für den Lebenszyklus eines bestehenden Offline-Modells
- Zusammenarbeit mit Data Scientists und Fähigkeit, eine lose Feature-Anfrage in ein Lastenheft umzuwandeln.
Wir bevorzugen
- Hintergrund in Uplift Modeling, Kausalanalyse oder Experimentation (A/B-Tests, Holdouts), ausreichend, um zu verstehen, was die Modelle benötigen.
- Erfahrung in den Bereichen Anzeigen, Marketing, Empfehlungen, Preisgestaltung oder Promotionen.
- Vertrautheit mit Feature Stores, Workflow-Orchestrierung (Airflow oder ähnliches) und verteilten SQL-Datenbanken.
Gehaltsspanne
#LI-Hybrid
Die erwartete Gehaltsspanne für diese Vollzeitstelle über verschiedene US-Standorte hinweg ist unten aufgeführt. Das tatsächliche Einstiegsgehalt basiert auf arbeitsbezogenen Faktoren, einschließlich des genauen Arbeitsortes, der Erfahrung, der relevanten Ausbildung und des Kenntnisstands. Ihr Recruiter kann Ihnen während des Einstellungsprozesses weitere Informationen zur spezifischen Gehaltsspanne für den Standort der Stelle oder, falls die Stelle remote ausgeführt werden kann, zur spezifischen Gehaltsspanne für Ihren bevorzugten Standort geben.
$175,000—$215,000 USD
Waymo-Mitarbeiter sind außerdem berechtigt, am diskretionären jährlichen Bonusprogramm von Waymo, am Aktienoptionsplan und am großzügigen Leistungsprogramm des Unternehmens teilzunehmen, vorbehaltlich der Teilnahmevoraussetzungen.
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