ML Engineer - Power

Заголовок: ML Engineer - Power Местоположение: Париж / гибридный формат

В Kpler мы стремимся помогать нашим клиентам легко ориентироваться на сложных рынках. Упрощая информацию о мировой торговле и предоставляя ценные сведения, мы даем организациям возможность принимать обоснованные решения в сферах сырьевых товаров, энергетики и морского транспорта.

С момента нашего основания в 2014 году мы сосредоточены на предоставлении первоклассной аналитики с помощью удобных платформ. Наша команда из более чем 850 экспертов из 69 стран неустанно работает над преобразованием сложнейших данных в практические стратегии, гарантируя, что наши клиенты остаются впереди на динамичном рынке. Присоединяйтесь к нам, чтобы использовать передовые инновации для достижения впечатляющих результатов и получить беспрецедентную поддержку на вашем пути к успеху.

О роли

Будучи инженером машинного обучения (ML Engineer) в Kpler, вы будете играть ключевую роль в разработке и внедрении предиктивных моделей, которые обеспечивают работу наших платформ глобальной аналитики сырьевых товаров, энергетики и морского транспорта. Тесно сотрудничая с специалистами по данным (Data Scientists), инженерами данных (Data Engineers) и продуктовыми командами, вы будете устранять разрыв между экспериментами в области машинного обучения и поставкой программного обеспечения производственного уровня. Ваша работа напрямую преобразует сложные потоки данных в оперативные, практические сведения, которые помогают ведущим мировым торговым фирмам, промышленным лидерам и аналитикам принимать критически важные решения.

Ключевые обязанности

• Архитектура и внедрение ML-конвейеров: проектирование, создание и поддержка рабочих процессов машинного обучения производственного уровня и микросервисов для прогнозирования рынка электроэнергии и моделирования энергосистем.
• Связь исследований и инженерии: преобразование статистических прототипов и прототипов машинного обучения из начальной стадии экспериментов в масштабируемые, готовые к производству Python-приложения.
• Управление системами данных временных рядов и событий: проектирование и оптимизация схем баз данных в PostgreSQL для обработки высокопроизводительных данных временных рядов, потоков событий и процедур нормализации.
• Внедрение надежных практик MLOps: установление стандартов автоматизированного обучения моделей, бэктестинга, оценки, настройки, а также версионирования признаков/моделей для всех внедрений.
• Обеспечение качества инженерии данных: создание чистых конвейеров приема и преобразования данных, обеспечение их высокой целостности, валидации и низколатентного доступа для аналитических моделей.
• Продвижение совершенства в разработке программного обеспечения: написание модульного, хорошо протестированного Python-кода, активное участие в совместных обзорах кода, автоматизации CI/CD и процессах Agile-разработки.

Опыт и квалификация

Что вам понадобится (обязательно)

• Основы разработки программного обеспечения: примерно от двух до пяти лет опыта работы в качестве инженера-программиста, ориентированного на данные.
• Мастерство Python: значительный опыт работы с большими производственными кодовыми базами Python, а не только с блокнотами.
• Знание предметной области: глубокое понимание основ энергосистем, включая генерацию, передачу и рынки электроэнергии.
• Инженерия данных и базы данных: опыт работы в инженерии данных, включая работу с PostgreSQL или аналогичными базами данных, проектирование баз данных, нормализацию данных и управление данными временных рядов и событий.
• Строгость исследований в области DS и ML: подтвержденный опыт исследований в области науки о данных и машинного обучения, охватывающий статистику, проверку гипотез, обучение моделей, оценку, бэктестинг, настройку и выбор моделей.
• MLOps и версионирование: практический опыт в инженерии машинного обучения, в частности, включая версионирование моделей и признаков.
• Инженерные практики и коммуникация: уверенность в работе с Git, проведении обзоров кода и применении Agile-методологий, при поддержке сильного письменного и устного владения английским языком.

Желательно

• Облачные платформы: опыт развертывания ML-нагрузок на AWS или GCP с использованием Docker и Kubernetes.
• Оркестрация рабочих процессов: знакомство с инструментами оркестрации, такими как Apache Airflow, Kubeflow или MLflow.
• Потоковые технологии: знакомство с архитектурами потоковой передачи данных в реальном времени (например, Apache Kafka).

Мы — динамичная компания, призванная налаживать связи и предлагать инновационные решения для решения рыночных задач. Если вы стремитесь к удовлетворению потребностей клиентов и воплощению идей в реальность, то вы нашли свое идеальное место. Готовы ли вы отправиться в это захватывающее путешествие вместе с нами?

Мы добиваемся результатов Мы действуем решительно и целенаправленно, делая все возможное.

Мы строим вместе Мы налаживаем отношения и разрабатываем креативные решения для решения рыночных задач.

Мы здесь, чтобы помочь Мы доступны и поддерживаем коллег и клиентов, проявляя дружелюбный подход.

Наш кодекс поведения

Не соответствуете всем требованиям? Исследования показывают, что женщины и представители цветного населения реже откликаются на вакансии, если считают, что не соответствуют 100% требований к работе. Не позволяйте неуверенности в себе встать на вашем пути, мы будем рады услышать от вас! Мы понимаем, что опыт может иметь множество различных форм, и стремимся добавлять новые перспективы в команду.

Kpler стремится предоставлять справедливую, инклюзивную и разнообразную рабочую среду. Мы считаем, что разные точки зрения приводят к лучшим идеям, а лучшие идеи позволяют нам лучше понимать потребности и интересы нашего разнообразного глобального сообщества. Мы приветствуем людей с разным опытом, способностями и взглядами и являемся работодателем, предоставляющим равные возможности.

Подавая заявку, я подтверждаю, что прочитал и принял Уведомление о конфиденциальности сотрудников