Mitarbeiter für maschinelles Lernen / Operations Research-Ingenieur

Über Burq

Mit Burq Intelligence revolutionieren wir den Handel vom Hafen bis zur Haustür.
Burq begann mit einer ehrgeizigen Mission: den komplexen Prozess des Lieferangebots in eine einfache, schlüsselfertige Lösung umzuwandeln. Es ist eine große Mission, und jetzt möchten wir, dass Sie uns dabei unterstützen, sie noch größer zu machen.
Wir sind stolz darauf, als einer der „Best Workplaces for Innovators“ von Fast Company und als Power Partner des Inc. Magazine 2025 ausgezeichnet zu werden. Diese Auszeichnungen unterstreichen, wie wir die Zukunft der Logistik neu definieren und gleichzeitig unseren Partnern Wachstum ermöglichen.
Mit der Unterstützung führender Silicon-Valley-Investoren wie Village Global, dem Fonds, zu dessen Investoren Bill Gates, Jeff Bezos, Mark Zuckerberg, Reid Hoffman und Sara Blakely gehören, haben wir ein Weltklasse-Team auf der ganzen Welt aufgebaut.
Wir agieren im großen Maßstab, bleiben aber klein genug, dass jeder Einzelne einen großen Einfluss haben kann. Es liegt eine Menge wichtiger Arbeit vor uns, und der Beitritt zu Burq bedeutet die Möglichkeit, schneller als je zuvor zu wachsen und gleichzeitig die bedeutungsvollste Arbeit Ihrer Karriere zu erledigen.
Die Rolle
Wir stellen einen ML/OR-Ingenieur ein, um die Intelligenz im Kern von Dispatch OS, unserer Plattform für ML-gestützte Dispatch-Entscheidungen, zu definieren und aufzubauen. Sie legen die technische Richtung dafür fest, wie Burq Preise festlegt, auswählt, Prognosen erstellt und Lieferungen weiterleitet, und Sie erstellen persönlich die Modelle und Optimierungssysteme mit der höchsten Hebelwirkung dahinter.
Sie sind Eigentümer der Architektur und Roadmap für ML und Optimierung auf der gesamten Plattform, treffen die wichtigsten technischen Entscheidungen und legen die Messlatte für die Art und Weise, wie wir Modelle erstellen, bewerten und liefern, höher. Dies ist eine praktische IC-Rolle mit Auswirkungen auf Unternehmensebene auf Umsatz, Marge und Lieferzuverlässigkeit.
Was du tun wirst
Technische Führung

• Technische Ausrichtung: Besitzen Sie die ML- und Optimierungs-Roadmap für Dispatch OS und entscheiden Sie, welche Probleme ML erhalten, welche Löser erhalten, welche heuristisch bleiben und in welcher Reihenfolge

• Architektur: Entwerfen Sie die End-to-End-Architektur für die Modellbereitstellung, -bewertung und -optimierung, sodass sie mit dem Auftragsvolumen, neuen Anbietern und neuen Kunden skaliert

• Schwierigste Probleme: Leiten Sie die unklarsten, anspruchsvollsten Modellierungs- und Optimierungsprobleme von der Formulierung bis zur Produktion und leiten Sie die technische Arbeit in den Bereichen Technik und Daten

• Legen Sie die Messlatte höher: Setzen Sie Standards für Experimente, Evaluierung und Produktions-ML und betreuen Sie Ingenieure durch Designüberprüfungen, Paarung und Codeüberprüfung

• Strategische Partnerschaft: Arbeiten Sie mit Produkt und Führung zusammen, um die Produktstrategie zu gestalten und herauszufinden, wo ML und OR Wettbewerbsvorteile schaffen

Kernsysteme

• Angebotsauswahl und Preisgestaltung: Entwerfen und versenden Sie Modelle für die Angebotsauswahl, dynamische Preisgestaltung und Zuverlässigkeitsbewertung, die die Marge, die Gewinnrate und die Konvertierung messbar verbessern

• Prognosen: Erstellen Sie Nachfrage- und Volumenprognosemodelle, einschließlich moderner Deep-Learning-Ansätze, bei denen sie klassische Methoden übertreffen, um Betriebe und Kunden bei der Planung der Fahrer- und Flottenkapazität zu unterstützen

• Optimierung: Verlagerung von Versandentscheidungen von Heuristiken auf löserbasierte Optimierung für Stapelverarbeitung, Routenoptimierung und Fahrzeug-/Flottenempfehlung unter Verwendung von OR-Tools, Gurobi oder Ähnlichem, wo es seinen Unterhalt verdient

• LLMs und Agenten: Wenden Sie LLMs und KI-Agenten auf Dispatch-Workflows an, z. B. das Extrahieren von Anbieterregeln und Tarifbedingungen aus Dokumenten sowie die Automatisierung von Angebotsnachverfolgungen und Ausnahmebehandlungen

• Bewertung und Vertrauen: Erstellen Sie strenge, wiederholbare Bewertungsrahmen, mit denen Kunden die Leistung eines Modells anhand ihrer eigenen historischen Entscheidungen überprüfen können, bevor sie darauf vertrauen, dass es funktioniert

• Einschränkungsübersetzung: Wandeln Sie reale betriebliche Einschränkungen (Treiberverfügbarkeit, Anbieterregeln, Kostenobergrenzen) in Modellanforderungen, Bewertungslogik und Optimierungsformulierungen um

• MLOps: Entwerfen und besitzen Sie automatisierte Pipelines für Training, Bereitstellung und Überwachung, damit Modelle in der Produktion im großen Maßstab genau bleiben

• KI-native Arbeit: Nutzen Sie täglich KI-Tools, um Experimente zu beschleunigen, Evaluierungspipelines zu automatisieren und schneller zu debuggen

Anforderungen
Anforderungen

• Mindestens 9 Jahre Erfahrung in angewandtem ML oder ML-Engineering, darunter mehrere Jahre auf Führungs- oder Mitarbeiterebene, mit Modellen, die an die Produktion geliefert und dort gewartet werden

• Erfolgsbilanz bei der Festlegung der technischen Richtung für ML- oder Optimierungssysteme, wobei von Ihnen getroffene Architekturentscheidungen über mehrere Jahre hinweg ein Produkt oder eine Plattform geprägt haben

• Nachgewiesene Fähigkeit, komplexe technische Initiativen teamübergreifend ohne direkte Autorität zu leiten

• Erfolgsbilanz von ML- oder Optimierungssystemen mit quantifizierten geschäftlichen Auswirkungen auf Unternehmensebene (z. B. Umsatz in zweistelliger Millionenhöhe oder erhebliche Auslastungs- oder Margensteigerungen), idealerweise in den Bereichen Preisgestaltung, Logistik, Marktplätze oder Betrieb

• Umfangreiche Erfahrung mit Entscheidungs-, Ranking- und Bewertungsproblemen, bei denen Modellergebnisse eine Geschäftsaktion direkt beeinflussen

• Starkes quantitatives und algorithmisches Denken, einschließlich kombinatorischer Probleme, Erfüllung von Einschränkungen und Algorithmendesign

• Praktische Erfahrung bei der Formulierung und Lösung von Optimierungsproblemen (LP/MIP, Constraint-Programmierung oder Routing im VRP-Stil)

• Erfahrung mit Zeitreihenprognosen in der Produktion

• Praktische Erfahrung in der Bereitstellung von LLM-basierten Systemen in der Produktion, beispielsweise fein abgestimmten Modellen, Extraktionspipelines oder Agenten

• Erfahrung im Besitz von End-to-End-ML-Pipelines und MLOps (Schulung, Bereitstellung, Überwachung, Umschulung)

• Sie sind mit unübersichtlichen, unvollständigen und einschränkungsreichen Betriebsdaten vertraut und in der Lage, Modelle zu erstellen, die harte Geschäftseinschränkungen berücksichtigen, anstatt sie als sanfte Strafen zu behandeln

• Erfahrung beim Aufbau von Bewertungsrahmen, die auch technisch nicht versierte Stakeholder verstehen und denen sie vertrauen können

Schön zu haben

• Erfahrung mit Liefer-/Versandsoftware, TMS-Plattformen oder Routing-Systemen

• Produktionserfahrung mit kommerziellen oder Open-Source-Solvern (OR-Tools, Gurobi, CPLEX)

• Erfahrung in der Preisgestaltung oder im Revenue Management in den Bereichen Luftfahrt, Flotte oder Transport

• Veröffentlichte Arbeiten, Patente oder Open-Source-Beiträge in ML, OR oder Preisgestaltung

Vorteile
Ich investiere in dich 🙏

• Völlig abgelegen…

Quelle: Himalaya (https://himalayas.app/companies/burq/jobs/staff-machine-learning-operations-research-engineer)