Machine Learning Engineer II, Telemetry

Mapbox est la principale plateforme de localisation en temps réel pour la prochaine génération d'entreprises intégrant la localisation. Notre plateforme unique offre aux organisations des outils complets pour faciliter la navigation des personnes, des colis et des véhicules à l'échelle mondiale. Avec plus de 3,9 millions de développeurs inscrits, Mapbox se distingue par sa flexibilité, sa sécurité et son respect des normes de confidentialité. Les entreprises utilisent les applications, données, SDKs et APIs de Mapbox pour concevoir des expériences personnalisées et immersives qui captivent leurs clients.

À l'équipe Télémetrie de Mapbox, l'innovation rencontre la résolution pratique de problèmes. Nous utilisons la télémetrie de localisation de nos SDKs mobiles pour améliorer la précision des cartes, optimiser les directions, affiner les prédictions du temps d'arrivée estimé (ETA) et mieux prévoir la congestion du trafic. Notre travail fournit des insights critiques sur les modèles de mobilité humaine, aidant les progrès dans la planification urbaine, la logistique et le transport.

Chaque jour, nous déployons et gérons des pipelines qui traitent, anonymisent et analysent des milliards de points de données de localisation, générant des ensembles de données uniques et centrés sur la confidentialité sur les modèles de trafic et l'activité humaine. Nos services bénéficient à une gamme diversifiée de clients, des grandes entreprises aux gouvernements locaux en passant par les ONG et les petits développeurs, avec pour objectif de démocratiser l'accès aux données pour tous.

Notre équipe mondiale de data scientists, data engineers et backend engineers est dédiée à la collaboration étroite, l'apprentissage mutuel et l'utilisation des données géospatiales pour fournir des insights significatifs.

Lisez comment les données de localisation deviennent des données de trafic

Voyez comment nous suivons l'impact de la COVID sur les modèles de mobilité mondiale

En tant qu'ingénieur en apprentissage automatique, vos contributions seront significatives. Vous allez :

• Concevoir, construire et maintenir des systèmes de production évolutifs pour les produits Traffic et Movement de Mapbox en utilisant des techniques d'apprentissage automatique, améliorant directement la précision des ETAs et prévoyant la congestion du trafic.
• Appliquer votre expérience en ML, données géospatiales, réseaux de neurones graphiques (GNNs), apprentissage profond et analyse de séries temporelles pour élever nos services et solutions.
• Concevoir, optimiser et gérer des pipelines ML et de données avec des frameworks comme TensorFlow, PyTorch, Keras et Spark/PySpark.
• Développer et mettre en œuvre des modèles ML en se concentrant sur l'évolutivité et la performance en utilisant des outils tels que AWS Sagemaker.
• Créer des outils automatisés pour l'assurance qualité ML et l'exploration de données afin de garantir une précision et une fiabilité maximales des données.
• Concevoir et construire des APIs sécurisées et robustes pour fournir des insights de données à des clients diversifiés.
• Collaborer avec des data scientists pour améliorer les modèles d'identification et de prévision des mouvements et des modèles de trafic.
• Participer à une rotation d'astreinte, assurant la disponibilité continue du système pour nos utilisateurs.

Nous recherchons des candidats qui apportent des compétences et des expériences diversifiées. Les traits clés pour ce rôle incluent :

• Maîtrise de Python et expérience avec des pipelines de traitement distribués.
• Solide expérience en apprentissage automatique ou apprentissage profond, réseaux de neurones graphiques (GNNs) et analyse des séries temporelles.
• Expérience dans l'application de techniques d'apprentissage automatique pour résoudre des problèmes concrets.
• Familiarité avec des frameworks ML tels que TensorFlow, PyTorch, Keras, ou AWS Sagemaker.
• Connaissance approfondie des données géospatiales, des algorithmes et des services basés sur la localisation.
• Expérience avec les outils et pratiques MLOps.
• Capacité prouvée à concevoir et construire des systèmes évolutifs pour le traitement de grandes quantités de données.
• Expérience avec les grands ensembles de données, y compris l'analyse statistique, le contrôle de la qualité des données