Senior Machine Learning Engineer

Anforderungen

• Abschluss in Datenwissenschaft, Analytik, Mathematik, maschinellem Lernen, Informatik oder einem verwandten Bereich von Vorteil
• Nachweisliche Erfolge in der Anwendung analytischer Fähigkeiten in einem Produkt- oder Geschäftsumfeld können formale fortgeschrittene Ausbildung ersetzen
• Über 8 Jahre relevante Berufserfahrung in einer Daten- oder quantitativen Rolle, nachgewiesener Erfolg in einem Startup, wachstumsstarken oder schnelllebigen Unternehmen
• Erfahrung in den Bereichen Marktplatz, E-Commerce oder Mode/Einzelhandel bevorzugt
• Erfahrung mit Web- und App-Produktumgebungen bevorzugt
• Erfahrung mit Marketinganalytik von Vorteil
• Nachweislicher Erfolg in der Kommunikation mit nicht-technischen, funktionsübergreifenden Partnern
• Fähigkeit, mit Daten Geschichten zu erzählen und komplexe Konzepte oder Ergebnisse einem Publikum von C-Level bis IC-Ebenen zu erklären
• Erfahrung in der Mentoring oder Entwicklung von Teamkollegen
• Fortlaufendes Lernen (z.B. relevante Zertifizierungen; Open-Source-Beiträge; persönliche Projekte usw.) ist von Vorteil und zeigt Initiative

Technische Kompetenzen

• Die spezifischen Werkzeuge sind in dieser Rolle weniger wichtig als die Fähigkeit, mit Stakeholdern zu kommunizieren, komplexe, branchenspezifische Probleme zu verstehen, eine hohe, selbstmotivierte Geschwindigkeit und Handlungsdrang aufrechtzuerhalten und den Wunsch zu haben, zu großen und kleinen Problemen beizutragen.
• Wir erwarten von den Kandidaten ein Expertenniveau in SQL, Python und komplexen mathematischen Konzepten im Zusammenhang mit Empfehlungs- und Personalisierungsmaschinen sowie die Fähigkeit, Codierungsagenten effektiv zu nutzen, um zu bauen und zu iterieren.
• Unsere Datenarchitektur umfasst zusätzlich Looker, Amplitude, DBT, Fivetran und AWS Lambdas, Erfahrung in diesen Bereichen ist von Vorteil.
• Nachgewiesene Expertise in fortgeschrittener statistischer Modellierung, kausaler Inferenz, Experiment-/Testdesign und fundierte Kenntnisse von Algorithmen des maschinellen Lernens.
• Expertenkenntnisse in Python für Datenmanipulation, statistische Analyse und Modellentwicklung.
• Praktische Erfahrung mit Vektordatenbanken und Einbettungen für Aufgaben wie Benutzer-zu-Benutzer- oder Benutzer-zu-Artikel-Zuordnung, semantische Suche oder Artikelähnlichkeit bevorzugt.
• Erfahrung mit Snowflake für SQL und Datenlagerung bevorzugt.
• Erfahrung mit DBT für den Aufbau modularer, versionskontrollierter Datenumwandlungen bevorzugt.
• Erfahrung mit Git für die kollaborative Codeentwicklung und -überprüfung bevorzugt.
• Erfahrung in der Gestaltung, Entwicklung, Bereitstellung und Optimierung von Personalisierungs- und Empfehlungsprodukten in großem Maßstab.
• Erfahrung im Aufbau von Modellen zur Bewertung der Artikel-/Listingqualität (definiert durch die Verkaufswahrscheinlichkeit), Klassifizierung von Listings und Verwendung von NLP auf unstrukturiertem Text.
• Erfahrung in der Modellierung von Zeitreihenprognosen für Markttrends, Saisonalität, Nachfrageprognosen und andere relevante KPIs.

Was die Stelle beinhaltet

Grailed sucht einen Senior Machine Learning Engineer, um Personalisierungs-, Empfehlungs- und Produktmarktplatzverbesserungsmaßnahmen voranzutreiben. Dies ist eine hochwirksame Rolle für einen erfahrenen Entwickler, der in einer schlanken, talentierten Umgebung gedeiht. Sie werden Teil eines hochdynamischen Teams mit erheblichem Handlungsspielraum bei der Entwicklung von Produkten von Null auf Eins.

Der ideale Kandidat kann sowohl wie ein Grailed-Nutzer als auch wie ein Geschäftsinhaber denken – versteht, wie Daten eine modische Benutzererfahrung beeinflussen und wie sie generiert und genutzt werden – und bringt gleichzeitig einen starken technischen Hintergrund in die Rolle ein.

Konkret erfordert die Rolle ein Verständnis für Dimensionreduzierungstechniken, prädiktive Modellierung (statistisch oder ML) und andere fortgeschrittene analytische Methoden für Anwendungen wie Personalisierung, Bestandsbewertung und Suchoptimierung.

Diese Schlüsselrolle wird an der Schnittstelle von Daten, Produkt, Engineering und Marketing arbeiten, funktionsübergreifend, um überzeugende Datenprodukte zu entwickeln, die den Fortschritt der Käufer im Kaufzyklus unterstützen.

Diese Rolle wird mit unseren Daten in Snowflake arbeiten, Modelle in Python entwickeln, mit ML-Ingenieuren zusammenarbeiten, um Daten für den Verbrauch zu strukturieren, und mit Produkt- und Geschäftsbereichsleitern koordinieren, um die Entwicklung von Datenprodukten mit den Geschäftszielen in Einklang zu bringen.

Agieren Sie als technischer Leiter innerhalb des Datenteams, um unsere Empfehlungs- und Suchalgorithmen voranzubringen. Sie werden sich darauf konzentrieren, die Relevanz und Qualität der Bestandsimpressionen zu verbessern, die potenziellen Käufern angezeigt werden.

Entwickeln Sie proprietäre KI/ML-Lösungen, die unsere einzigartigen Marktplatzdynamiken widerspiegeln (Peer-to-Peer-Austausch von Second-Hand-Kleidung und -Accessoires, die als „einmalige“ Angebote auf dem Markt dargestellt werden).

Bilden Sie eine übergeordnete Perspektive auf die Ziele in den Abteilungen der Organisation und wie fortschrittliche Datenmethoden komplexe Geschäftsprobleme lösen könnten.

Seien Sie in der Lage, autonom und proaktiv Geschäftsprobleme zu identifizieren, die von Datenlösungen profitieren könnten, sei es durch die Anwendung bestehender Modelle oder die Notwendigkeit, neue Modelle zu entwickeln, und Ideen durch alle Phasen zu bringen, von der Vorschlag über die Abstimmung bis zur Ausführung.

Etablieren Sie Best Practices für das Training, die Entwicklung und die Wartung von Datenmodellen. Dazu gehört die Verwendung von A/B-Tests und die Kommunikation der Ergebnisse an die Stakeholder.

Übernehmen Sie die Bereitstellung trainierter Modelle in der Produktion in Zusammenarbeit mit Daten- oder ML-Ingenieuren. Sie sind verantwortlich für die Gewährleistung einer zuverlässigen, beobachtbaren Bereitstellung in Snowflake unter Verwendung von DBT, Integration in bestehende Datenpipelines und Plattforminfrastruktur sowie die Pflege der Versionskontrolle von Code und Konfigurationen über Git.

Analysieren Sie Benutzerdaten, um Möglichkeiten zur Verbesserung der Personalisierung zu identifizieren. Dazu gehört die Definition und Verfolgung von KPIs im Zusammenhang mit der Effektivität der Personalisierung.

Entwickeln und pflegen Sie Datenmodelle in Snowflake, um analytische und Reportingbedürfnisse zu unterstützen und Einblicke für Geschäftsinteressierte in verschiedenen Abteilungen bereitzustellen.

Verwenden Sie Python, um ML-Modelle zu erstellen und die resultierenden Daten in einen konsumierbaren Fluss zu strukturieren.

Entwickeln Sie Benutzer-zu-Benutzer-Zuordnungsfähigkeiten zur Verbesserung der Personalisierung.

Nutzen Sie Suchtechnologien (z.B. Algolia, AWS OpenSearch), um die Produkterkennung und Personalisierung zu verbessern.

Analysieren Sie Nachrichteninhalte, um potenziell betrügerische Aktivitäten zu erkennen, z.B. Identifizierung von Schlüsselwörtern oder Phrasen, die mit Betrug, Anfragen nach Off-Plattform-Transaktionen oder Versuchen, persönliche Informationen zu phishen, verbunden sind.

Arbeiten Sie mit Produktmanagern, Ingenieuren, Designern und Geschäftsinteressierten zusammen, um deren Datenbedürfnisse zu verstehen und datengestützte Lösungen anzubieten.