E
Strategic Finance Manager
Eight Sleep · 📍 San Francisco · 🕒 vor 1 Tagen
📊 Senior
E
Machine Learning Engineer (Foundation Models & Personalization)
Auf einen Blick
Baue und deploye ML-Modelle für Sleep Personalisierung und Predictive Health Coaching mit Fokus auf End-to-End Ownership vom Prototyping bis Production Deployment.
💰 $140.000–200.000/Jahr
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ Americas
- 2+ Jahre ML-Systeme in Production
- Strong ML Fundamentals
- Personalisierung und Recommendations Erfahrung
Machine Learning
PyTorch
Python
SQL
Personalization
Time Series Modeling
Foundation Models
LLMs
✅ Geeignet für
- ML Engineers mit Production Experience
- Kandidaten mit Personalisierungs-Expertise
- Jemand, der Health Tech liebt
🚫 Weniger geeignet
- Research-only Data Scientist
- Jemand ohne Production ML Experience
- Kandidaten ohne Deep Learning Fundamentals
💡 Gut zu wissen
- End-to-End Ownership vom Prototyping bis Production
- Foundation Models und LLMs sind Teil der Rolle
- Strong Product Sense ist genauso wichtig wie Technologie-Expertise
Über das Unternehmen
Eight Sleep ist das führende Unternehmen im Bereich Sleep Fitness. Diese ML-Engineer-Rolle konzentriert sich auf den Aufbau und die Bereitstellung von Consumer-facing AI-Systemen, die Personalisierung, Coaching und Sleep Intelligence ermöglichen.
Deine Aufgaben
- Baue und deploye ML-Modelle, die Sleep-Erfahrungen durch Personalisierung, Vorhersage und Behavior Understanding verbessern
- Wende Foundation-Model-Fähigkeiten auf echte Product-Workflows an (LLM + Tools/RAG, Multimodal Modeling)
- Entwickle User-Behavior-Modelle, die longitudinale Signale mit actionable Interventionen verbinden
- Designe Evaluation-Strategien und partnere mit Product zur Durchführung hochqualitativer Online-Experimente
- Productionisiere Modelle mit skalierbarem Training/Inference und Drift Detection
- Arbeite mit Cross-funktionalen Partnern (Product, Mobile, Backend, Clinical) zusammen
Deine Voraussetzungen
- Mindestens 2+ Jahre ML-Systeme im Production Build, idealerweise für Consumer-Facing Products
- Starke ML Fundamentals über Supervised Learning, Sequence/Time-Series Modeling und Modern Deep Learning
- Hands-on Erfahrung mit Large-Scale Model Training und Evaluation (PyTorch/TensorFlow/JAX)
- Starke Python Engineering Practices
- Erfahrung mit Personalisierungs-Systemen (Ranking/Recommendations, Segmentation, Lifecycle Modeling)
- Fluency mit Daten-Tooling (SQL, Distributed Compute wie Spark/Ray)
- Starker Product Sense für Translation von ambiguous Goals zu messbaren Outcomes