Ingeniero sénior de aprendizaje automático

Trabajando en CreateFuture

CreateFuture es un socio consultor nativo de IA donde las personas realizan trabajos importantes y reciben apoyo para hacerlo bien. Trabajamos junto con organizaciones como PayPal, adidas, NatWest, FanDuel y Money Saving Expert, creando productos y servicios digitales que marcan la diferencia y al mismo tiempo ponen a las personas primero.

Somos un equipo de creadores. Escribimos código, damos forma a la entrega, creamos estrategias de comercialización, desarrollamos soluciones de inteligencia artificial y creamos prácticas que respaldan a nuestra gente. Trabajamos codo a codo con nuestros clientes, desafiando lo que no funciona y ayudándolos a construir el futuro. Nuestro compromiso con la artesanía, la calidad y la cultura nos ha ayudado a crecer a más de 600 personas en tan solo unos años.

CreateFuture es una empresa Great Place to Work-Certified™ y ha ganado el premio Best Workplaces UK durante varios años consecutivos.

Únase a nosotros en nuestro viaje. Creemos el mañana, juntos, hoy.

Sobre el rol y el equipo:

Buscamos un ingeniero de datos sénior con enfoque en aprendizaje automático para unirse a nuestro equipo de datos, tomar posesión de los canales de datos y funciones de los que dependen los sistemas de aprendizaje automático de producción, entrenar la preparación de datos, la ingeniería de funciones y el camino desde un modelo que funciona en un cuaderno a uno que se ejecuta y sigue funcionando en producción. Trabajará con un alto grado de autonomía en los problemas más complejos y ambiguos en los compromisos de los clientes, asociándose estrechamente con científicos de datos e ingenieros de ML, mientras asesora a ingenieros junior y ayuda a elevar el nivel en la práctica de la ingeniería. Las bases siguen siendo importantes: en esencia, se trata de una función de ingeniería de datos, construida sobre Python, PySpark y plataformas como Databricks, Snowflake o AWS.

Qué estarás haciendo:

• Asumir la responsabilidad de diseñar, crear y mantener los datos de producción y los canales de funciones de los que dependen los sistemas de aprendizaje automático, la preparación de datos de capacitación, la ingeniería de funciones y conjuntos de datos reproducibles y correctos en un momento dado, con una supervisión mínima.

• Lleve los modelos del prototipo a la producción y manténgalos allí: empaquetado e implementación junto con colegas de ciencia de datos, control de versiones del modelo, reentrenamiento automatizado y monitoreo que detecta la deriva y la degradación antes de que lo haga el cliente.

• Construya y mantenga los canales por lotes y ELT en los que se basa el trabajo de aprendizaje automático, utilizando Python, PySpark y servicios de datos en la nube (por ejemplo, AWS Glue, EMR, S3, Redshift, Athena o los equivalentes de Databricks/Snowflake), tomando decisiones acertadas sobre arquitectura, modelado de datos y herramientas, y sopesando las compensaciones en rendimiento, costo y mantenibilidad.

• Poseer y mejorar continuamente CI/CD para datos y flujos de trabajo de ML, garantizando implementaciones confiables y repetibles de canalizaciones y modelos por igual.

• Orientar y apoyar a los ingenieros de datos de nivel medio y junior, revisando el código y compartiendo conocimientos para elevar el estándar de entrega en todo el equipo.

• Solucionar y resolver problemas complejos en canales de datos en vivo y modelos implementados, actuando como un punto de escalamiento para el equipo en general.

• Asociarse con científicos de datos, equipos multifuncionales y partes interesadas de los clientes para comprender los requisitos de datos y ML y darles forma en soluciones técnicas.

Nos encantaría hablar contigo si:

• Tener experiencia práctica en la creación de canales de datos y funciones detrás del aprendizaje automático de producción, la preparación de datos de capacitación, la ingeniería de funciones y los almacenes de funciones, y comprender por qué la reproducibilidad y la corrección en un punto en el tiempo son más importantes de lo que parecen.

• Haber trabajado con MLOps en la práctica y no en principio: control de versiones y registros de modelos, seguimiento de experimentos, reentrenamiento automatizado y monitoreo de deriva y degradación del modelo (MLflow, SageMaker, Databricks ML, Vertex AI o comparables).

• Se sienten cómodos con marcos de aprendizaje automático como scikit-learn, PySpark MLlib o PyTorch/TensorFlow, suficientes para producir el trabajo de un científico de datos, razonar sobre lo que un modelo necesita de los datos y detectar dónde han divergido silenciosamente un canal de entrenamiento y un canal de servicio. No es necesario que seas la persona que diseña el modelo.

• Haber diseñado y operado canales de datos de producción en una plataforma de datos en la nube moderna, AWS (Glue, EMR, Redshift, S3/Lake Formation), Databricks, Snowflake o similar, y puede hablar sobre cuáles de esas decisiones viajarían a otra diferente y cuáles no.

• Tener profundas habilidades de SQL y experiencia práctica con el modelado de datos (por ejemplo, Kimball, patrones de medallón/casa del lago o modelado basado en dominios); esta es la habilidad de soporte de carga e independiente del proveedor que subyace a casi todo nuestro trabajo en proceso.

• Tenga Python y PySpark potentes para el procesamiento por lotes, con código bien probado y de calidad de producción. La mayor parte de este trabajo es por lotes y ELT, pero necesitará tener experiencia en canalizaciones impulsadas por eventos o microlotes y saber dónde dejan de cumplirse los supuestos de diseño.

• Tener orquestación propia en producción, diseño de dependencias, reintentos, SLA y la observabilidad que le indica que una canalización falló antes de que lo haga el cliente.

• Tener experiencia en la entrega de trabajos de ingeniería de datos con supervisión limitada, incluida la gestión y el soporte de CI/CD.

• Tener experiencia asesorando o apoyando el desarrollo de ingenieros con menos experiencia.

• Se sienten cómodos trabajando directamente con las partes interesadas para dar forma a soluciones técnicas a partir de requisitos ambiguos, presentando su trabajo, estimaciones y discutiendo compensaciones y riesgos.

Qué te ofreceremos:

Confiamos en que las personas hagan su mejor trabajo. Eso significa flexibilidad sobre reglas rígidas, impacto sobre la actividad e inversión real en su crecimiento tanto profesional como personal. Serás parte de una cultura amigable y solidaria, rodeado de personas inteligentes y curiosas que se preocupan profundamente por lo que hacen.

Ofrecemos trabajo flexible, incluidas opciones híbridas y remotas. Nuestros centros de oficinas están ubicados en Edimburgo, Leeds, Manchester, Londres y Bulgaria, con viajes ocasionales a los sitios de los clientes o a las oficinas de CreateFuture cuando sea necesario.…

Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/xdesign/senior-ml-engineer-388909)