机器学习基础设施工程师

Later 是一个基于 AI 驱动的平台，结合了超过十年的专有数据——包括数十亿次社交互动、印象和 24 亿美元的验证影响者购买——帮助团队在发布前了解什么会有效。通过结合可信洞察与专家指导，Later 去除影响力营销中的猜测，使品牌能够选择合适的创作者，执行完全管理的活动，并在知名度、参与度和收入方面推动有意义的增长。

负责构建支持模型实验、训练、部署和监控的基础设施。设计和操作可靠的、安全的、可扩展的 ML 基础设施，使数据科学家和工程师能够自信地发布高影响力模型。具备 ML 基础设施、后端工程或相关领域的 4 年以上经验。熟悉云原生环境（AWS 和 / 或 GCP）并有 ML 工作负载的部署经验。证明了设计和实现 ML 系统 CI/CD 管道的记录。熟悉 Amazon SageMaker、Docker、基于 Flask 的 API 和基础设施自动化工具。具备 ML 生命周期工具（如 MLflow、SageMaker Studio 或 Weights & Biases）的经验。熟悉容器编排平台（Kubernetes、EKS 或 GKE）。具备 Python 编程经验（Go、Java 或 Scala 附加经验加分）。熟悉基础设施即代码工具（如 Terraform 或 CloudFormation）。熟悉可观测性工具（如 CloudWatch、Prometheus、Grafana、Datadog 或集中日志平台）。具备 GPU 基础设施和扩展训练/推理系统的管理经验。熟悉数据基础设施工具（如 BigQuery）和云原生数据管道。

我们采用市场驱动和数据驱动的薪酬方式。我们利用可信第三方薪酬数据来源来帮助我们了解基于功能、级别、地理位置和范围的市场价值。我们每半年评估一次薪酬，包括绩效和市场相关因素。我们的薪资基准于我们职位发布地理位置的市场总现金薪酬。某些职位的薪酬结构为 On Target Earnings（OTE = 基础 +佣金/变量），而其他职位则为仅薪资。为遵守当地法律并确保透明度，我们在所有职位发布中分享薪资范围。技能、经验和其它因素帮助确定最终薪资，可能与发布的原始范围不同。此外，所有永久团队成员都有资格参与各种福利计划作为其整体薪酬包的一部分。

Later 是全球最智能的影响力营销公司，旨在帮助品牌有信心创造难忘的营销活动。通过结合真实的创作者关系、可信的智能和专家指导，Later 消除营销最显眼投资中的恐惧和猜测。Later 帮助团队在发布前了解什么会有效。受 Nike、Wayfair、Unilever 和 Southwest Airlines 等领先企业品牌的信赖，Later 桥接创造力和绩效，使活动不仅看起来好，而且带来结果。