Senior Machine Learning Engineer

Scientific Games: Scientific Games — мировой лидер в области лотерейных игр, ставок на спорт и технологий, а также партнер, которому доверяют государственные лотереи. От передовых серверных систем до захватывающих развлечений и новаторских розничных и цифровых решений — мы ежедневно улучшаем игровой процесс. Мы выводим дизайн игр на новый уровень и являемся пионерами в области анализа данных и iLottery. Основываясь на доверительных партнерских отношениях, Scientific Games сочетает неустанные инновации, легендарную производительность и непоколебимую безопасность, чтобы ответственно продвигать мировую лотерейную индустрию вперед. Краткое описание должности О вакансии Мы ищем Старшего инженера по машинному обучению, который поможет с нуля создать основу нашей платформы машинного обучения. Эта роль предполагает не создание централизованной команды контроля. Вместо этого миссия состоит в том, чтобы создать инструменты самообслуживания для машинного обучения и «золотые пути», которые позволят специалистам по данным самостоятельно переводить модели из стадии экспериментов в надежное продуктовое развертывание для пакетных и пакетных сценариев использования в режиме реального времени. Вы будете тесно сотрудничать со старшими инженерами по машинному обучению, специалистами по данным и заинтересованными сторонами платформы, чтобы создать первое поколение многократно используемой ML-инфраструктуры, рабочих процессов развертывания, стандартов наблюдаемости и шаблонов взаимодействия с разработчиками, которые будут масштабироваться в рамках всей организации. **Эта позиция начнется удаленно и перейдет в гибридный формат. Кандидаты должны проживать в Торонто, Онтарио. Квалификация Основные обязанности Создание многократно используемых инструментов самообслуживания для упаковки моделей, развертывания, пакетного вывода и обслуживания в режиме реального времени Разработка возможностей платформы, позволяющих специалистам по данным самостоятельно развертывать, отслеживать и итерировать свои собственные модели в производственной среде Создание базовых ML-рабочих процессов, включая реестр моделей, продвижение сред, откат, шаблоны доступа к функциям и API вывода Проектирование конвейеров CI/CD для автоматизированного обучения, валидации, теневого развертывания, поэтапного развертывания (canary rollout), отката и полных рабочих процессов продвижения в производственную среду Установление шаблонов «золотых путей», SDK, CLI и эталонных реализаций для стандартизации доставки ML-систем Вклад в стандарты наблюдаемости в отношении работоспособности моделей, задержки, актуальности данных, качества данных и мониторинга бизнес-KPI Сотрудничество со старшими инженерами по машинному обучению для формирования архитектуры ML-платформы первого поколения Требуемая квалификация Образование: Степень магистра в области компьютерных наук, инженерии, машинного обучения, программной инженерии или другой смежной STEM-области Также приемлема степень бакалавра в смежной STEM-области с достаточным опытом работы в отрасли Опыт: Более 3 лет практического опыта в области ML-инженерии, платформенной инженерии или продуктовых ML-систем Подтвержденный опыт создания продуктовых пакетных ML-систем и ML-систем в режиме реального времени Опыт тесного сотрудничества со специалистами по данным для внедрения моделей и рабочих процессов экспериментов в производственную среду Значительный опыт создания многократно используемых инструментов, фреймворков или внутренних платформ для разработчиков Технические навыки: Глубокие знания Python и основ разработки программного обеспечения Практический опыт работы с рабочими процессами развертывания моделей PyTorch и TensorFlow Опыт работы с Docker, Kubernetes и облачными паттернами развертывания Значительный опыт работы с GitHub Actions и облачными рабочими процессами CI/CD Опыт работы с MLflow, рабочими процессами реестра моделей и продвижением между несколькими средами Глубокое понимание сервисов вывода на основе API, асинхронного пакетного анализа и конвейеров на основе событий Гибкие навыки: Тесное сотрудничество со специалистами по данным и командами разработки продуктов Мыслительный подход строителя с акцентом на опыт разработчика и его внедрение Способность преобразовывать сложность инфраструктуры в простые рабочие процессы самообслуживания Предпочтительная квалификация: Опыт создания внутренних ML-платформ от нуля до первого масштабированного внедрения Опыт работы с витринами данных (feature stores) и многократно используемыми SDK для доступа к функциям Знакомство с Databricks, PySpark, Airflow или аналогичными инструментами оркестрации Опыт работы с инструментами самообслуживания для экспериментов и A/B-тестирования Опыт проектирования абстракций платформы, максимизирующих автономию специалистов по данным без ущерба для надежности SG является работодателем, предоставляющим равные возможности, и не дискриминирует заявителей по признаку расы, цвета кожи, пола, возраста, национального происхождения, религии, сексуальной ориентации, гендерной идентичности, статуса ветерана, а также по признаку инвалидности или любой другой федеральной, штатной или местной защищенной категории. Если вы хотите получить дополнительную информацию о ваших правах на равные возможности трудоустройства в соответствии с законом, нажмите здесь, чтобы ознакомиться с постером EEOC.