Starszy inżynier uczenia maszynowego, ranking wyszukiwania i rekomendacji

Zmieniamy branżę spożywczą W Instacart zapraszamy świat do dzielenia się miłością poprzez jedzenie, ponieważ wierzymy, że każdy powinien mieć dostęp do jedzenia, które kocha, i więcej czasu, aby cieszyć się nim razem. Tam, gdzie inni widzą prostą potrzebę dostawy artykułów spożywczych, my widzimy ekscytującą złożoność i nieskończone możliwości zaspokajania różnorodnych potrzeb naszej społeczności. Pracujemy nad zapewnieniem podstawowej usługi, z której klienci mogą korzystać przy zakupie artykułów spożywczych i artykułów gospodarstwa domowego, oferując jednocześnie bezpieczne i elastyczne możliwości zarobku osobom kupującym usługi Instacart Personal Shopper.

Instacart stał się ratunkiem dla milionów ludzi i budujemy zespół, który pomoże popchnąć nasz koszyk do przodu. Jeśli jesteś gotowy, aby wykonać najlepszą pracę w swoim życiu, dołącz do naszego stołu. Instacart to zespół Flex First.

Nie ma jednego uniwersalnego podejścia do tego, jak najlepiej wykonywać swoją pracę. Nasi pracownicy mają swobodę wyboru, gdzie najlepiej wykonują swoją pracę - w domu, biurze czy ulubionej kawiarni - zachowując jednocześnie kontakt i budując społeczność poprzez regularne wydarzenia osobiste. Dowiedz się więcej o naszym elastycznym podejściu do miejsca pracy.

Omówienie Zespół wyszukiwania i personalizacji ML to silnik Instacart służący do najnowocześniejszego, wielozadaniowego i wielocelowego rankingu - łączącego wyszukiwanie, odkrywanie, rekomendacje, reklamy i produkty handlowe w jedną platformę świadomą wartości. Współpracując ze światowej klasy inżynierami, naukowcami i PMami, budujemy szkielet rankingu, który zasila każdy piksel podróży zakupowej, optymalizując nie tylko pod kątem kliknięć, ale także pod kątem przyrostowego GTV, wzrostu koszyka i utrzymania w dłuższej perspektywie. Co budujemy - podstawowe modele szkieletowe rankingu: modele wielozadaniowe i wielocelowe (wspólni koderzy + kierownicy zadań), które wspólnie uczą się trafności, konwersji, udziału w marży, ryzyka rezygnacji i jakości reklam, umożliwiając spójne decyzje dotyczące wyszukiwania i rekomendacji. - Optymalizacja uwzględniająca wartość: modele wzrostu i długoterminowe modele wartości, które kierują decyzjami w kierunku przyrostu i LTV, ze skalibrowanymi ograniczeniami dotyczącymi jakości, różnorodności, uczciwości i tempa wydatków, a także poręczami zapewniającymi bezpieczną eksplorację. - Ulepszone wyszukiwanie i funkcje LLM: Używanie LLM do wzbogacania semantyki zapytań i elementów na potrzeby przywoływania z długiego ogona, generowania funkcji na potrzeby zimnego startu i dostarczania osobie oceniającej kontekstu bogatego w rozumowanie, pozostając jednocześnie źródłem prawdy dla ostatecznego zamówienia.

Nasze zaangażowanie w innowacje w zakresie sztucznej inteligencji znajduje odzwierciedlenie w naszych ostatnich publikacjach i wkładach badawczych w tej dziedzinie. Informacje o stanowisku - zaprojektuj szkielet rankingowy, który ujednolici zrozumienie zapytań, personalizację, wielocelowy ranking, reklamy i merchandising w jedną adaptacyjną platformę. - Zaprojektuj i zbuduj system automatycznego sugerowania wyszukiwania zoptymalizowany pod kątem personalizacji i trafności opartej na wartościach. - Zaprojektuj długoterminowe funkcje celu (np. przyrost, LTV, tworzenie nawyków) i zbuduj modele wzrostu/wartości przyczynowej, które wykraczają poza krótkotrwałe zaangażowanie. - Opracuj wielozadaniowe uczenie się na poziomie produkcyjnym (np. współdzielone kodery, szefowie zadań MMOE/PLE), aby wspólnie uczyć się trafności, skłonności, marży i ryzyka odejścia - zapewniając kalibrację, ograniczenia i wyjaśnialność. - Posiadaj warstwę wnioskowania: świadome celów zmiany rankingu, ograniczenia różnorodności i jakości, bezpieczna eksploracja i optymalizacja opóźnień na poziomie milisekund. - Praktyki oceny zaawansowanej: eksperymenty online, długoterminowe metryki kohortowe, oceny kontrfaktyczne i potoki atrybucji do śledzenia przyrostowego GTV i utrzymania. - Współpracuj z zespołami zajmującymi się reklamą, infrastrukturą, produktami i projektami, aby przełożyć cele biznesowe na zasady rankingowe i mierzalny zwrot z inwestycji. - Mentoruj inżynierów ML, aby zdobywali wiedzę specjalistyczną w zakresie rankingów, wnioskowania przyczynowego i skalowalnych systemów obsługi. O Tobie Minimalne kwalifikacje - ponad 5 lat stosowania ML na dużą skalę (ponad 3 lata na stanowisku kierowniczym technicznym), z udokumentowanym doświadczeniem w poprawianiu rankingów lub systemów rekomendacji w produkcji. - Wykazano sukces w stosowaniu optymalizacji wielocelowej lub ograniczonej w celu zrównoważenia trafności, przychodów, marży i doświadczenia użytkownika; doświadczenie w testowaniu online i atrybucji wykraczającej poza CTR. - Dobre kodowanie (Python) i płynność danych (SQL/Pandas), ze specjalistyczną wiedzą w zakresie klasycznych technik ML (np.

XGBoost) i frameworków głębokiego uczenia się (TensorFlow/PyTorch). - Doskonałe umiejętności analityczne i silne umiejętności komunikacji międzyfunkcyjnej.\ - Absolwent (magisterski lub doktorancki) w dziedzinie uczenia maszynowego, statystyki, informatyki, wyszukiwania informacji lub pokrewnej dziedziny. Preferowane kwalifikacje - wiedza specjalistyczna w zakresie wielozadaniowych architektur uczenia się (np. MMOE/PLE, współdzielone kodery), kalibracji, oceny kontrfaktycznej, modelowania wzrostu/przyczynowego i/lub kontekstowych bandytów do eksploracji. - Doświadczenie w budowaniu usług rankingowych o niskim opóźnieniu, w tym magazynów funkcji, buforowania, wyszukiwania wektorów i leksykalnych, ponownego rankingu i infrastruktury testów A/B, ze specjalistyczną wiedzą w zakresie wnioskowania uwzględniającego ograniczenia. - Praktyczne doświadczenie z LLM jako wzmacniaczami funkcji/zapamiętywania (np. osadzanie, dostrajanie adaptera), przy jednoczesnym zachowaniu jasności co do tego, kiedy osoba oceniająca powinna rozstrzygnąć.

Instacart zapewnia wysoce konkurencyjne na rynku wynagrodzenie i świadczenia w każdej lokalizacji, w której pracują nasi pracownicy. Rola ta jest odległa, a zakres wynagrodzenia podstawowego wybranego kandydata zależy od jego stałego miejsca pracy. Prosimy o zapoznanie się z naszą polityką pracy zdalnej Flex First tutaj.

Oferty mogą się różnić w zależności od wielu czynników, takich jak doświadczenie kandydata i umiejętności wymagane na danym stanowisku. Dodatkowo osoba na tym stanowisku kwalifikuje się do dotacji na kapitał nowo zatrudniony, a także do rocznych dotacji na odświeżenie stanowiska. Więcej informacji na temat naszej oferty świadczeń znajdziesz tutaj.

W przypadku kandydatów mieszkających w USA poniżej podano zakresy wynagrodzenia podstawowego wybranego kandydata. CA, NY, CT, NJ 207 000 - 253 500 USD WA 198 000 - 243 000 USD LUB, DE, ME, MA, MD, NH, RI, VT, DC, PA, VA, CO, TX, IL, HI 190 000 - 233 000 USD Wszystkie pozostałe stany 173 000 - 212 000 USD Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/senior-machine-learning-engineer-search-recommendations-ranking-instacart