Inżynier ML - Moc

W Kpler dokładamy wszelkich starań, aby pomóc naszym klientom z łatwością poruszać się po złożonych rynkach. Upraszczając informacje dotyczące handlu światowego i dostarczając cennych spostrzeżeń, umożliwiamy organizacjom podejmowanie świadomych decyzji w sektorach towarowym, energetycznym i morskim.

Od chwili założenia w 2014 roku skupiliśmy się na dostarczaniu najwyższej klasy inteligencji za pośrednictwem platform przyjaznych dla użytkownika. Nasz zespół składający się z ponad 850 ekspertów z 69 krajów niestrudzenie pracuje nad przekształcaniem skomplikowanych danych w praktyczne strategie, zapewniając naszym klientom przewagę na dynamicznym krajobrazie rynkowym. Dołącz do nas, aby wykorzystać najnowocześniejsze innowacje w celu uzyskania imponujących wyników i doświadczenia niezrównanego wsparcia na swojej drodze do sukcesu.

O roli

Jako inżynier uczenia maszynowego w Kpler będziesz odgrywać kluczową rolę w opracowywaniu i wdrażaniu modeli predykcyjnych, które zasilają nasze globalne platformy dotyczące surowców, energii i wywiadu morskiego. Ściśle współpracując z analitykami danych, inżynierami danych i zespołami ds. produktów, wypełnisz lukę między eksperymentowaniem w zakresie uczenia maszynowego a dostarczaniem oprogramowania na poziomie produkcyjnym. Twoja praca bezpośrednio przekształci złożone przepływy danych w przydatne w czasie rzeczywistym spostrzeżenia, które pomogą wiodącym na świecie firmom handlowym, liderom branży i analitykom w podejmowaniu kluczowych decyzji.

Kluczowe obowiązki

•
Projektuj i wdrażaj potoki uczenia maszynowego: projektuj, buduj i utrzymuj przepływy pracy i mikrousługi uczenia maszynowego klasy produkcyjnej na potrzeby prognozowania rynku energii i modelowania sieci elektroenergetycznej.

•
Badania pomostowe i inżynieria: Przekształcanie prototypów statystycznych i uczenia maszynowego od początkowych eksperymentów do skalowalnych, gotowych do produkcji aplikacji w języku Python.

•
Zarządzaj systemami szeregów czasowych i danych o zdarzeniach: Projektuj i optymalizuj schematy baz danych w PostgreSQL, aby obsługiwać dane szeregów czasowych o dużej przepustowości, strumienie zdarzeń i procedury normalizacyjne.

•
Wdrażaj niezawodne praktyki MLOps: Ustanów zautomatyzowane szkolenie modeli, testowanie historyczne, ocenę, dostrajanie i standardy wersjonowania funkcji/modelu we wszystkich wdrożeniach.

•
Zwiększ jakość inżynierii danych: Twórz czyste potoki pozyskiwania i transformacji, zapewniając wysoką integralność, weryfikację i dostęp o małych opóźnieniach w modelach analitycznych.

•
Osiągnij doskonałość oprogramowania: pisz modułowy, dobrze przetestowany kod w języku Python, aktywnie uczestnicząc w przeglądach kodu, automatyzacji CI/CD i procesach dostarczania Agile.

Doświadczenie i tło

Czego będziesz potrzebować (niezbędne rzeczy)

•
Podstawy inżynierii oprogramowania: Około dwóch do pięciu lat doświadczenia jako inżynier oprogramowania skoncentrowany na danych.

•
Znajomość języka Python: znaczne doświadczenie w pracy z dużymi, produkcyjnymi bazami kodu w języku Python, zamiast pracy wyłącznie w notatnikach.

•
Wiedza dziedzinowa: Głębokie zrozumienie podstaw sieci elektroenergetycznych, w tym wytwarzania, przesyłu i rynków energii elektrycznej.

•
Inżynieria danych i bazy danych: Doświadczenie w inżynierii danych, w tym praca z PostgreSQL lub podobnymi bazami danych, projektowanie baz danych, normalizacja danych oraz zarządzanie szeregami czasowymi i danymi zdarzeń.

•
Rygor badawczy DS i ML: Udokumentowane doświadczenie w badaniach nad nauką danych i uczeniem maszynowym, obejmującym statystyki, testowanie hipotez, trenowanie modeli, ocenę, testowanie historyczne, dostrajanie i wybór modelu.

•
MLOps i wersjonowanie: Praktyczne doświadczenie w inżynierii uczenia maszynowego, w szczególności wersjonowania modeli i funkcji.

•
Praktyki inżynieryjne i komunikacja: Pewność pracy z Git, przeglądy kodu i metodologie Agile, poparte dobrą znajomością języka angielskiego w mowie i piśmie.

Miło to mieć

•
Platformy chmurowe: doświadczenie we wdrażaniu obciążeń ML w AWS lub GCP przy użyciu Dockera i Kubernetesa.

•
Orkiestracja przepływu pracy: Znajomość narzędzi do orkiestracji, takich jak Apache Airflow, Kubeflow lub MLflow.

•
Technologie przesyłania strumieniowego: kontakt z architekturami przesyłania strumieniowego w czasie rzeczywistym (np. Apache Kafka).

Jesteśmy dynamiczną firmą, której celem jest pielęgnowanie połączeń i wprowadzanie innowacyjnych rozwiązań, aby stawić czoła wyzwaniom rynkowym. Jeśli zależy Ci na zadowoleniu klientów i przekształcaniu pomysłów w rzeczywistość, to znalazłeś swoje idealne miejsce docelowe. Czy jesteś gotowy, aby wyruszyć z nami w tę ekscytującą podróż?

Sprawiamy, że rzeczy się dzieją

Działamy zdecydowanie i celowo, dokładając wszelkich starań.

Budujemy razem

Wzmacniamy relacje i opracowujemy kreatywne rozwiązania, aby sprostać wyzwaniom rynkowym.

Jesteśmy tutaj, aby pomóc

Jesteśmy dostępni i wspieramy współpracowników i klientów, zachowując przyjazne podejście.

Przyrzeczenie naszych ludzi

Nie spełniasz wszystkich wymagań? Badania pokazują, że kobiety i osoby kolorowe rzadziej niż inne aplikują, jeśli czują, że nie odpowiadają w 100% wymaganiom stanowiska. Nie pozwól, aby luka w pewności siebie stanęła Ci na drodze, chętnie wysłuchamy Twojej opinii! Rozumiemy, że doświadczenie ma wiele różnych form i staramy się dodawać nowe perspektywy do zespołu.

Kpler angażuje się w zapewnianie sprawiedliwego, włączającego i zróżnicowanego środowiska pracy. Wierzymy, że różne perspektywy prowadzą do lepszych pomysłów, a lepsze pomysły pozwalają nam lepiej zrozumieć potrzeby i interesy naszej zróżnicowanej, globalnej społeczności. Jesteśmy otwarci na ludzi o różnym pochodzeniu, doświadczeniu, umiejętnościach i perspektywach. Jesteśmy pracodawcą zapewniającym równe szanse.

Aplikując, potwierdzam, że przeczytałem i akceptuję Politykę prywatności personelu
Znajdź oferty pracy we Francji na Arbeitnow

Źródło: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/kpler/ml-engineer-power-paris-215115)