Lead Machine Learning Engineer I, Lifetime Value

Remote (Vereinigte Staaten) Vollständig remote Nur Vereinigte Staaten

Bei Root haben wir die Mission, das Leben unserer Kunden durch bessere Versicherungslösungen zu verbessern. Wir fordern uns selbst heraus, anders zu denken, um Versicherungen neu zu gestalten und sie intelligenter, gerechter und zu einem besseren Erlebnis für alle zu machen. Wir streben danach, die veraltete Versicherungsbranche durch den Einsatz von Daten und Technologie auf innovative Weise zu "reparieren". Wir glauben, dass wir in unseren Verpflichtungen zu Forschung, Experimentierung und disziplinierten datengestützten Entscheidungen standhaft sein müssen, um Produkte zu entwickeln, die unsere Kunden lieben.

Die Gelegenheit

Wir glauben, dass ein disruptives Versicherungsunternehmen ein prinzipienbasiertes quantitatives Framework als Grundlage benötigt. Bei Root sind wir dem rigorosen Aufbau und der effektiven Bereitstellung moderner statistischer Methoden des maschinellen Lernens für Probleme in der Versicherungsbranche verpflichtet. Root sucht einen Lead Machine Learning Engineer I, um die Systeme und Workflows zu entwickeln, die unser Ökosystem zur Modellierung des Kundenlebenszyklus antreiben. In dieser Rolle arbeiten Sie eng mit Datenwissenschaftlern, Ingenieuren und Geschäftsteams zusammen, um skalierbare Systeme für maschinelles Lernen zu entwickeln, die entscheidungsrelevante Informationen in den Bereichen Marketing, Finanzen, Produkt und Kundenerfahrung unterstützen. Sie helfen dabei, den Weg von der Experimentierung zur Produktion zu beschleunigen und gleichzeitig die Zuverlässigkeit und betriebliche Reife des ML-Ökosystems von Root zu verbessern. Diese Rolle konzentriert sich auf den Aufbau der Infrastruktur, der Werkzeuge und der betrieblichen Muster, die es ermöglichen, dass Systeme für maschinelles Lernen zuverlässig in der Produktion skalieren. Sie helfen dabei, die Grundlagen zu gestalten, die es statistischen Modellen, Simulationen und Prognosen ermöglichen, messbare Auswirkungen auf das Geschäft über die gesamte Organisation hinweg zu erzielen.

Wie Sie einen Einfluss ausüben werden

• Entwickeln und verbessern Sie die Systeme, die die Modellierung des Kundenlebenszyklus antreiben, von der Entwicklung und Bereitstellung bis hin zur Überwachung und Produktionsunterstützung.
• Arbeiten Sie mit Datenwissenschaftlern zusammen, um statistische Modelle, Simulationen und Prognose-Workflows zu produzieren, die die Entscheidungsfindung im gesamten Unternehmen unterstützen.
• Beschleunigen Sie den Weg von der Forschung zur Produktion durch skalierbare Infrastruktur, zuverlässige Workflows und wiederverwendbare Werkzeuge.
• Verbessern Sie die ML-Entwicklungserfahrung, indem Sie bessere betriebliche Muster entwickeln und produktionsbereite ML-Praktiken vorantreiben.
• Entwickeln Sie Werkzeuge und Dienstleistungen, die Stakeholdern helfen, die Modellleistung zu bewerten, die geschäftlichen Auswirkungen zu verstehen und den Modellausgaben in der Produktion zu vertrauen.
• Zusammenarbeit mit technischen und geschäftlichen Partnern zur Lösung von wertvollen Problemen und zur Verbesserung der Zuverlässigkeit und Skalierbarkeit von ML-Systemen.
• Teilen Sie Best Practices durch Mentoring, Dokumentation und klare Kommunikation über technische Entscheidungen, Abwägungen und betriebliche Überlegungen.

Was Sie benötigen, um erfolgreich zu sein

• BS in Informatik, Statistik, Mathematik, Ingenieurwesen oder einem verwandten quantitativen Bereich.
• 5 Jahre Erfahrung in der Gestaltung, dem Aufbau, der Bereitstellung und der Wartung von Systemen für maschinelles Lernen und ML-Modell-Pipelines in Zusammenarbeit mit Datenwissenschaftlern.
• Starke Python- und Softwareengineering-Grundlagen, mit der Fähigkeit, wartbare ML-Systeme und produktionsfähigen Code zu erstellen.
• Erfahrung im Aufbau und Betrieb von Produktions-ML-Systemen, einschließlich Bereitstellung, Überwachung, Debugging und Workflow-Orchestrierung.
• Fähigkeit, reproduzierbare Systeme mit klarer Herkunft, Versionierung und betrieblicher Sichtbarkeit über komplexe ML-Workflows zu entwerfen.
• Komfort im Umgang mit ML-Systemen mit miteinander verbundenen Komponenten, simulationsgesteuerten Logiken und eingebetteten Geschäftsregeln.
• Starkes Urteilsvermögen in Bezug auf Modellevaluation, Codequalität, Systemzuverlässigkeit und wartbare Ingenieurabwegungen.
• Erfahrung mit cloudbasierten ML-Infrastrukturen und Datenplattformen wie AWS, GCP oder Azure.
• Erfahrung mit Infrastruktur als Code, wie Terraform.
• Klare Kommunikationsfähigkeiten und die Fähigkeit, technische Abwägungen sowohl technischen als auch nicht-technischen Zielgruppen zu erklären.

Schön zu haben

• MS oder PhD in Informatik, Statistik, Mathematik, Ingenieurwesen oder einem verwandten quantitativen Bereich.
• Vertrautheit mit der Prognose des Kundenlebenszyklus, Simulations-Workflows oder der Analyse von Prognosen vs. Ist-Zahlen.
• Erfahrung mit Versicherungen oder regulierten Finanzprodukten.
• Einblick in ML- und Datentools, Orchestratoren und Plattformen wie MLflow, Airflow, Dagster, Snowflake, Databricks, dbt und Spark.
• Erfahrung im Aufbau gemeinsamer ML-Infrastrukturen, Entwicklerwerkzeuge oder wiederverwendbarer Systeme, die die Produktivität der Datenwissenschaft verbessern.

Gleichstellung der Beschäftigung

Root ist ein Arbeitgeber, der Chancengleichheit bietet und Vielfalt am Arbeitsplatz fördert. Root diskriminiert nicht aufgrund eines geschützten Merkmals und bietet angemessene Vorkehrungen für Behinderungen oder religiöse Bedürfnisse. Root hält sich an das Gesetz über Amerikaner mit Behinderungen (ADA) und das Bürgerrechtsgesetz von 1964; angemessene Vorkehrungen sind auf Anfrage erhältlich. Wenn Sie eine Vorkehrung benötigen, wenden Sie sich bitte an recruiting@joinroot.com.