Senior Machine Learning Operations Engineer

🕒 vor 1 Monat

🌐 Vereinigte Staaten, Kanada – Remote

🇺🇸 Vereinigte Staaten – Remote 🇨🇦 Kanada – Remote

🏄 California, New York, +1 weitere Bundesländer – Remote

🏄 California – Remote 🗽 New York – Remote 🌲 Oregon – Remote

💵 $166.600 - $208.300 / Jahr

⏰ Vollzeit

🟠 Senior

🤖 Machine-Learning-Entwickler

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Mercury

WebsiteLinkedInAlle Stellen

201 - 500 Mitarbeiter

Gegründet 2019

💳 Fintech

💸 Finanzen

☁️ SaaS

Fintech • Finance • SaaS

Mercury ist ein Finanztechnologieunternehmen, das Online-Geschäftsbankdienstleistungen anbietet, obwohl es selbst keine Bank ist. Es arbeitet mit FDIC-versicherten Banken wie Choice Financial Group, Column N. A. und Evolve Bank & Trust zusammen, um Bankdienstleistungen anzubieten. Mercury hat das Ziel, finanzielle Abläufe für Startups und Unternehmen zu vereinfachen, indem es eine Reihe von Dienstleistungen wie Giro- und Sparkonten, Treasury Management, Firmenkarten, Ausgabenmanagement, Rechnungsstellung und Buchhaltungsautomatismen anbietet. Die Plattform ist darauf ausgelegt, verschiedene Bankaufgaben zu optimieren und finanzielle Arbeitsabläufe durch Funktionen wie Betrugsüberwachung und Kontosicherheit zu verbessern. Zudem bietet sie Investitionsmöglichkeiten über das Mercury Treasury-Produkt und Unterstützung für Startups durch die Mercury Raise-Plattform an.

Beschreibung

• Build and operate the real-time inference service that scores models for the risk decision engine, with low latency and high availability as first-class requirements • Own model deployment infrastructure — registry and versioning, CI/CD with performance, bias, and consistency checks, shadow mode, and staged rollouts • Build model observability: availability, latency, and error monitoring, plus drift detection as a retraining trigger • Partner with Risk Data Science to take models from a clean development-to-production handoff through to production operation under MLP ownership • Implement experimentation capabilities such as champion/challenger and canary routing, and explainability outputs like SHAP attributions • Feel a strong sense of product ownership and actively seek responsibility — we self-organize on small and medium projects, and we want someone excited to help shape and build a brand-new platform team

🎯 Anforderungen

• 5+ years in machine learning engineering, backend software engineering, MLOps, or a closely related field • Production ML service experience — deploying, serving, and operating models in low-latency, high-availability contexts • Strong backend engineering fundamentals in Python, with API frameworks like FastAPI or Flask • Experience with model deployment and lifecycle tooling: model registries, CI/CD for models, versioning, and staged rollout patterns (shadow, canary, champion/challenger) • Experience building observability and alerting for production services — latency, errors, and ideally model-specific signals like drift • Comfort with the data layer ML depends on: SQL, key-value/low-latency stores (Redis, DynamoDB, or equivalent), and streaming pipelines (Kafka, Kinesis, Redpanda, or equivalent)

🏖️ Vorteile

• Competitive salary • Equity • Health insurance plans • Paid time off • Remote work options