Personel Inżynier ds. uczenia maszynowego / badań operacyjnych

O Burku

Dzięki Burq Intelligence rewolucjonizujemy handel od portu do domu.
Burq rozpoczął od ambitnej misji: przekształcenia złożonego procesu oferowania dostaw w proste rozwiązanie „pod klucz”. To wielka misja i teraz chcemy, żebyś dołączył do nas, aby uczynić ją jeszcze większą.
Jesteśmy dumni, że zostaliśmy uznani za jedno z najlepszych miejsc pracy dla innowatorów według Fast Company i zdobyliśmy tytuł Power Partner magazynu Inc. 2025. Są to nagrody, które podkreślają, w jaki sposób na nowo definiujemy przyszłość logistyki, jednocześnie umożliwiając naszym partnerom rozwój.
Wspierani przez wiodących inwestorów z Doliny Krzemowej, takich jak Village Global, fundusz, którego inwestorami są Bill Gates, Jeff Bezos, Mark Zuckerberg, Reid Hoffman i Sara Blakely, zbudowaliśmy światowej klasy zespół na całym świecie.
Działamy na dużą skalę, ale pozostajemy na tyle mali, że każda osoba może wywrzeć ogromny wpływ. Przed nami wiele ważnej pracy, a dołączenie do Burq oznacza możliwość szybszego rozwoju niż kiedykolwiek, wykonując najbardziej znaczącą pracę w swojej karierze.
Rola
Zatrudniamy inżyniera ML/OR Staff, aby zdefiniował i zbudował inteligencję w rdzeniu Dispatch OS, naszej platformy do podejmowania decyzji o wysyłce wspomaganych przez ML. Ustalisz techniczny kierunek cen, selekcji, prognoz i tras dostaw przez Burq, a także osobiście zbudujesz za nimi modele i systemy optymalizacji o najwyższej dźwigni.
Będziesz właścicielem architektury i planu działania dla uczenia maszynowego i optymalizacji na całej platformie, dokonasz kluczowych założeń technicznych i podniesiesz poprzeczkę w zakresie budowania, oceniania i dostarczania modeli. Jest to praktyczna rola IC, mająca wpływ na poziomie firmy na przychody, marżę i niezawodność dostaw.
Co zrobisz
Przywództwo techniczne

• Kierownictwo techniczne: posiadanie planu działania dotyczącego uczenia maszynowego i optymalizacji dla Dispatch OS, decydowanie, które problemy zostaną objęte systemem uczenia maszynowego, które otrzymają rozwiązania, które pozostaną heurystyczne i w jakiej kolejności

• Architektura: zaprojektuj kompleksową architekturę do obsługi, oceny i optymalizacji modeli, tak aby skalowała się wraz z wielkością zamówień, nowymi dostawcami i nowymi klientami

• Najtrudniejsze problemy: prowadź najbardziej niejednoznaczne, wymagające wysokiego ryzyka problemy związane z modelowaniem i optymalizacją od etapu projektowania po produkcję i kieruj pracami technicznymi w obszarach inżynierii i danych

• Podnieś poprzeczkę: wyznaczaj standardy w zakresie eksperymentowania, oceny i produkcyjnego uczenia maszynowego oraz mentoruj inżynierów poprzez przeglądy projektów, parowanie i przegląd kodu

• Partnerstwo strategiczne: współpracuj z produktem i kierownictwem w celu kształtowania strategii produktu i identyfikowania obszarów, w których ML i OR tworzą przewagę konkurencyjną

Systemy podstawowe

• Wybór oferty i wycena: modele projektowania i wysyłki na potrzeby wyboru oferty, dynamiczna wycena i punktacja niezawodności, które wymiernie poprawiają marżę, współczynnik wygranych i konwersję

• Prognozowanie: tworzenie modeli prognozowania popytu i wolumenu, w tym nowoczesnych podejść do głębokiego uczenia się, tam gdzie są one lepsze od metod klasycznych, aby – pomóc operacjom i klientom w planowaniu wydajności kierowców i floty

• Optymalizacja: przenieś decyzje dotyczące wysyłek z heurystyki na optymalizację opartą na rozwiązaniach w celu grupowania, optymalizacji tras i rekomendacji pojazdów/floty, używając OR-Tools, Gurobi lub podobnych tam, gdzie jest to opłacalne

• LLM i agenci: stosuj LLM i agentów AI do wysyłania przepływów pracy, takich jak wyodrębnianie reguł dostawców i warunków stawek z dokumentów oraz automatyzowanie dalszych ofert i obsługi wyjątków

• Ocena i zaufanie: buduj rygorystyczne, powtarzalne ramy oceny, które pozwolą klientom zweryfikować działanie modelu w oparciu o ich własne historyczne decyzje, zanim zaufają mu, że działa

• Tłumaczenie ograniczeń: zamień rzeczywiste ograniczenia operacyjne (dostępność kierowców, zasady dostawcy, pułapy kosztów) na wymagania modelowe, logikę punktacji i formuły optymalizacyjne

• MLOps: projektuj i twórz własne zautomatyzowane potoki do celów szkolenia, wdrażania i monitorowania, dzięki czemu modele zachowują dokładność w produkcji na dużą skalę

• Praca oparta na sztucznej inteligencji: codziennie korzystaj z narzędzi AI, aby przyspieszyć eksperymenty, zautomatyzować potoki ewaluacyjne i szybciej debugować

Wymagania
Wymagania

• Ponad 9 lat doświadczenia w inżynierii stosowanej ML lub ML, w tym wiele lat pracy na szczeblu wyższego szczebla lub personelu, przy modelach dostarczanych do produkcji i utrzymywanych w niej

• Doświadczenie w wyznaczaniu kierunków technicznych dla systemów uczenia maszynowego lub optymalizacji, w przypadku których podjęte decyzje dotyczące architektury kształtowały produkt lub platformę na wiele lat

• Wykazana umiejętność prowadzenia złożonych inicjatyw technicznych w zespołach bez bezpośredniego upoważnienia

• Doświadczenie w zakresie uczenia maszynowego lub systemów optymalizacji o wymiernym wpływie biznesowym na poziomie firmy (np. dziesiątki milionów przychodów lub większe wykorzystanie lub wzrost marży), najlepiej w zakresie cen, logistyki, rynków lub operacji

• Głębokie doświadczenie w zakresie problemów decyzyjnych, rankingowych i punktowych, w przypadku których wyniki modelu bezpośrednio napędzają działania biznesowe

• Silne rozumowanie ilościowe i algorytmiczne, w tym problemy kombinatoryczne, spełnianie ograniczeń i projektowanie algorytmów

• Praktyczne doświadczenie w formułowaniu i rozwiązywaniu problemów optymalizacyjnych (LP/MIP, programowanie z ograniczeniami lub routing w stylu VRP)

• Doświadczenie w prognozowaniu szeregów czasowych na produkcji

• Praktyczne doświadczenie we wdrażaniu systemów opartych na LLM w produkcji, takich jak precyzyjnie dostrojone modele, rurociągi wydobywcze lub agenci

• Doświadczenie w posiadaniu kompleksowych potoków uczenia maszynowego i MLOps (szkolenia, wdrażanie, monitorowanie, przekwalifikowanie)

• Dobrze radzi sobie z nieuporządkowanymi, niekompletnymi i obciążonymi ograniczeniami danymi operacyjnymi oraz potrafi budować modele uwzględniające twarde ograniczenia biznesowe, zamiast traktować je jako miękkie kary

• Zdobądź doświadczenie w budowaniu ram oceny, które zainteresowane strony nietechniczne mogą zrozumieć i którym mogą zaufać

Miło mieć

• Doświadczenie z oprogramowaniem do dostaw/wysyłek, platformami TMS lub systemami wyznaczania tras

• Doświadczenie produkcyjne z solwerami komercyjnymi lub open source (OR-Tools, Gurobi, CPLEX)

• Doświadczenie w zarządzaniu cenami lub przychodami w lotnictwie, flocie lub transporcie

• Opublikowane prace, patenty lub wkłady typu open source w zakresie uczenia maszynowego, OR lub cen

Korzyści
Inwestuję w Ciebie 🙏

• Całkowicie zdalnie…

Źródło: Himalaje (https://himalayas.app/companies/burq/jobs/staff-machine-learning-operacje-research-engineer)