Estados Unidos
The MITRE Corporation
Waymo
Ingeniero/a Senior de Machine Learning , Growth
Estados Unidos
Mountain View, California, United States · San Francisco, California, United States
PythonSQLGo
Traducción automática. Consulta el original.
Sobre la oportunidad
Waymo es una empresa de tecnología de conducción autónoma con la misión de ser el conductor más fiable del mundo. Desde sus inicios como el Proyecto de Coche Autónomo de Google en 2009, Waymo se ha centrado en desarrollar el Waymo Driver —el conductor con más experiencia del mundo™— para mejorar el acceso a la movilidad y salvar miles de vidas que actualmente se pierden en accidentes de tráfico. El Waymo Driver impulsa el servicio de transporte totalmente autónomo de Waymo y también puede aplicarse a una amplia gama de plataformas de vehículos y casos de uso de productos. El Waymo Driver ha realizado más de diez millones de viajes solo con pasajeros, gracias a su experiencia de conducción autónoma durante más de 100 millones de millas en carreteras públicas y decenas de miles de millones en simulación en más de 15 estados de EE. UU.
El equipo de ingeniería de Growth Machine Learning colabora estrechamente con el equipo de Ciencia de Datos para llevar los modelos desde la fase de experimentación hasta una producción fiable. Somos responsables de la infraestructura de datos de ML subyacente: estandarizar las definiciones de características compartidas, eliminar la fuga de datos en los pipelines de entrenamiento, automatizar el reentrenamiento programado y establecer salvaguardas para que las ejecuciones de puntuación por lotes defectuosas nunca afecten a las promociones en vivo. Al gestionar la integridad de los datos, los pipelines de despliegue y la monitorización de la producción, proporcionamos el soporte de ingeniería dedicado necesario para mantener las iniciativas de crecimiento basadas en modelos fiables y escalables.
Tus funciones serán
- Gestionar la capa de características entre la base de datos de Growth y los modelos. Trabajar con ingeniería de datos en el diseño de esquemas para características de ML, y con ciencia de datos para convertir sus listas de características en definiciones de características versionadas que tanto el entrenamiento como la puntuación utilicen.
- Construir datos de entrenamiento correctos en un punto temporal específico, de modo que un reentrenamiento vea cada día tal como fue y no filtre datos futuros. Ciencia de datos ya ha identificado esto como una carencia en los pipelines actuales.
- Tomar los modelos que ciencia de datos ha entrenado y ponerlos en producción: validar frente a los resultados offline, integrarlos en la puntuación por lotes y añadir comprobaciones de entrada y salida que detengan una ejecución incorrecta antes de que se lancen las promociones.
- Liderar la automatización del entrenamiento: reentrenamientos programados, un registro de modelos y validación antes de que se promocione una nueva versión del modelo.
- Monitorizar los modelos en producción: deriva de características, cambios en la distribución de puntuaciones y resultados de modelos frente a grupos de control aleatorios.
- Ser el homólogo de ingeniería diario de ciencia de datos, para que las preguntas sobre características y modelado no se acumulen esperando al líder técnico.
Requisitos
- Experiencia en la construcción de sistemas de ML en producción: pipelines de características, generación de datos de entrenamiento, inferencia por lotes.
- Sólidos conocimientos de SQL y Python, además de procesamiento de datos a gran escala (Flume, Beam, Spark o similar).
- Haber diseñado esquemas de características o trabajado en un almacén de características (feature store), y comprender la corrección en un punto temporal específico y el sesgo entre entrenamiento y servicio tras haberlos solucionado.
- Haber puesto en producción y gestionado el ciclo de vida de un modelo offline existente.
- Haber trabajado con científicos de datos y ser capaz de convertir una solicitud de características poco definida en una especificación técnica.
Preferiblemente
- Antecedentes en modelado de incremento (uplift modeling), inferencia causal o experimentación (pruebas A/B, grupos de control), con suficiente conocimiento para entender lo que necesitan los modelos.
- Experiencia en publicidad, marketing, recomendaciones, precios o promociones.
- Familiaridad con almacenes de características, orquestación de flujos de trabajo (Airflow o similar) y bases de datos distribuidas SQL.
Rango salarial
#LI-Hybrid
El rango salarial base esperado para este puesto a tiempo completo en ubicaciones de EE. UU. se detalla a continuación. La remuneración inicial real se basará en factores relacionados con el puesto, incluyendo la ubicación de trabajo exacta, la experiencia, la formación y educación relevantes, y el nivel de habilidades. Tu reclutador podrá compartir más información sobre el rango salarial específico para la ubicación del puesto o, si el puesto puede realizarse de forma remota, el rango salarial específico para tu ubicación preferida, durante el proceso de contratación.
$175,000—$215,000 USD
Los empleados de Waymo también son elegibles para participar en el programa de bonificación anual discrecional de Waymo, el plan de incentivos de capital y el generoso programa de beneficios de la empresa, sujeto a los requisitos de elegibilidad.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil