machine learning engineer

Bolt ist ein Technologieunternehmen, das Mobilitäts- und Lieferdienste in über 50 Ländern und 850 Städten anbietet und über 200 Millionen Kunden durch eine Plattform bedient, die von mehr als 4,5 Millionen Partnern und 4.000 Mitarbeitern unterstützt wird. Die Mission des Unternehmens ist es, Städte für Menschen und nicht für Autos zu gestalten.

Aufgaben:

• Entwerfen, Trainieren und Bereitstellen von ML/LLM-Modellen zur Kataloganreicherung, Moderation und Kategorisierung in großem Maßstab, wobei die Produktionsgenauigkeit, Latenz und Kosten im Fokus stehen;
• Den Übergang von Frontier-API-Modellen zu feinabgestimmten Open-Weight-Modellen vorantreiben, indem Datenkuratierung und Feinabstimmungspipelines aufgebaut werden, die Qualität verglichen wird und ausgewählte Modelle in die Produktion überführt werden;
• Agentische KI-Systeme für die Katalogautomatisierung entwerfen und aufbauen, einschließlich mehrstufiger Workflows, Werkzeugnutzung, Sicherheitsvorkehrungen und Evaluierungsrahmen;
• Evaluierungs- und Experimentierinfrastruktur aufbauen, einschließlich Offline-Benchmarks, Regressionstests, LLM-as-Judge-Pipelines und A/B-Tests, die mit Geschäftszielen verknüpft sind;
• Verantwortung für das Hosting und das Kostenmanagement selbst gehosteter Modelle übernehmen, einschließlich Quantisierung, Durchsatzoptimierung, GPU-Nutzung und Entscheidungen zwischen Eigenentwicklung und Fremdbezug;
• Mit Software-Ingenieuren, Datenwissenschaftlern, Produktmanagern und dem ML-Plattformteam zusammenarbeiten, um ML-Lösungen in die Produktion zu bringen und zu überwachen.

Anforderungen:

• Nachweisliche Erfahrung im Aufbau und in der Bereitstellung von Produktions-ML-Systemen in großem Maßstab, idealerweise für verbraucherorientierte Produkte in einem Technologieunternehmen;
• Erfahrung in der Produktion von LLM-basierten Systemen, einschließlich Prompt- und Modelliteration, Evaluierung, Sicherheitsvorkehrungen, Beobachtbarkeit und Kostenmanagement;
• Praktische Erfahrung in der Feinabstimmung und Bereitstellung von Open-Weight-Modellen, einschließlich LoRA/QLoRA, SFT, Präferenzoptimierung, Entwicklung von Trainingsdaten und Produktionsbereitstellung;
• Tiefe Expertise in NLP oder Empfehlungssystemen, mit Modellen, die eine Geschäftskennzahl verbessert haben;
• Beherrschung von Python und SQL, sauberen Programmierpraktiken und Produktionserfahrung mit einem Deep-Learning-Framework wie PyTorch, TensorFlow, JAX oder Triton;
• Erfahrung mit modernen ML-Tools und Cloud-Infrastruktur, einschließlich AWS, SageMaker, Airflow und Docker;
• Starkes Produktverständnis und proaktive Verantwortung, mit der Fähigkeit, mehrdeutige Probleme in messbare ML-Lösungen umzuwandeln und diese von der Entdeckung bis zur Produktionsauswirkung zu treiben.

Nice to have: Erfahrung in verbraucherorientierten Produktumgebungen.

Bedingungen:

• Belohnendes Gehalt und Aktienoptionspaket;
• Hybrides Arbeiten mit mindestens 3 Tagen im Büro pro Woche;
• Wellness-Vorteile zur Unterstützung der physischen und psychischen Gesundheit;
• Karrieremöglichkeiten und berufliches Wachstum;
• Arbeiten an Produkten, die Millionen von Kunden und Partnern in über 850 Städten in mehr als 50 Ländern bedienen;
• Einige Vorteile können je nach Standort und Rolle variieren.