Ingénieur principal en apprentissage machine

Scientific Games:

Scientific Games est le leader mondial des jeux de loterie, des paris sportifs et des technologies, et le partenaire de choix des loteries gouvernementales. De systèmes backend de pointe à des expériences d'amusement passionnantes et à des solutions de vente au détail et numériques innovantes, nous améliorons l'expérience de jeu chaque jour. Nous poussons les conceptions de jeux au niveau supérieur et sommes des pionniers en analytique de données et en loterie électronique. Construit sur une base de partenariats de confiance, Scientific Games combine une innovation implacable, des performances légendaires et une sécurité inébranlable pour propulser de manière responsable l'industrie mondiale de la loterie vers l'avant.

À propos du rôle

Nous recherchons un ingénieur principal en apprentissage machine pour définir et construire l'architecture de la plateforme d'apprentissage machine de l'organisation. Cette équipe créera la couche d'activation qui permet aux scientifiques des données de déployer, d'expérimenter, de scorer par lots, d'inférer en ligne, de surveiller et de faire des déploiements sécurisés.

Ceci est un rôle de création de plateforme, et non un rôle de gardien des opérations de plateforme. Le indicateur de succès n'est pas le nombre de déploiements que l'équipe exécute directement, mais la manière dont la plateforme permet aux scientifiques des données du domaine de déployer de manière indépendante grâce à des flux de travail de service autonome hautement fiables. Les premiers embauches d'ingénieurs principaux en apprentissage machine établiront les fondations architecturales, les normes d'ingénierie, la stratégie d'outils réutilisables et le calendrier de la plateforme que l'équipe d'ingénieurs principaux en apprentissage machine mettra à l'échelle.

Ce rôle est basé à Toronto.

Responsabilités clés

• Définir l'architecture cible et le calendrier en phases pour la première plateforme d'apprentissage machine de l'organisation
• Construire des cadres de déploiement autonomes permettant aux scientifiques des données de productionniser des modèles de manière indépendante
• Concevoir des capacités réutilisables pour le registre de modèles, l'orchestration de déploiement, la récupération de caractéristiques, le routage d'inférence, l'observabilité et le retour en arrière
• Définir les chemins d'or pour l'inférence par lots, le service en temps réel, le déploiement d'ombre, le déploiement progressif, les tests A/B et le déploiement complet en production
• Établir des normes d'ingénierie de plateforme à travers les SDK, les modèles, CI/CD, les tests, l'infrastructure en tant que code et les flux de travail des développeurs
• Concevoir des primitives de plateforme qui prennent en charge les systèmes de recommandation, la prévision, l'optimisation et les cas d'utilisation d'expérimentation
• Mentorer les ingénieurs principaux en apprentissage machine et améliorer la qualité de l'ingénierie logicielle, le rigueur architecturale et la pensée de plateforme dans l'équipe
• Collaborer avec la direction des sciences des données pour s'assurer que la plateforme accélère la vélocité des DS plutôt qu'introduire des frictions de processus

Éducation

• Maîtrise en informatique, en ingénierie, en systèmes distribués, en apprentissage machine ou dans un domaine STEM connexe
• Un baccalauréat avec une profondeur exceptionnelle en ingénierie de plateforme est acceptable

Expérience

• 5 ans ou plus d'expérience pratique en ingénierie d'apprentissage machine, en ingénierie de plateforme ou en systèmes d'apprentissage machine de grande échelle en production
• Expérience prouvée dans la conception d'architecture de plateforme et de normes d'outils d'apprentissage machine réutilisables
• Expérience dans la construction de plateformes internes autonomes, d'outils pour développeurs ou de cadres de déploiement d'apprentissage machine
• Forte expérience dans l'activation des équipes de science des données appliquées grâce à des infrastructures réutilisables plutôt que des modèles de services centralisés
• Expérience dans la prise de décisions architecturales et le mentorat des ingénieurs

Compétences techniques

• Expertise approfondie en architecture des systèmes d'apprentissage machine à travers le scoring par lots et le service en temps réel à faible latence
• Forte expérience pratique avec Docker, Kubernetes, l'automatisation d'infrastructure et les charges de travail d'apprentissage machine cloud-native
• Forte expertise dans les outils de cycle de vie des modèles, y compris MLFlow, les registres, les portes de validation et les flux de travail de promotion
• Expérience avancée dans la conception de systèmes CI/CD, canary, rollback et de sécurité de déploiement pour l'apprentissage machine
• Expérience avec les magasins de caractéristiques, la parité en ligne/hors ligne des caractéristiques et la récupération de caractéristiques à faible latence
• Normes d'ingénierie Python solides et capacité à écrire des cadres et des SDK de production de haute qualité

Leadership

• Capacité démontrée à définir la direction technique pour les équipes de plateforme
• Antécédents de mentorat solides pour les ingénieurs principaux et intermédiaires en apprentissage machine
• Forte influence interfonctionnelle avec les équipes de science des données, de plateforme de données et d'ingénierie de produits
• Préférence pour la construction de systèmes autonomes qui maximisent l'utilisation organisationnelle

Qualifications préférées

• Expérience dans la construction de plateformes d'apprentissage machine vertes de zéro à l'adoption d'entreprise à l'échelle
• Expérience dans le soutien de systèmes autonomes de recommandation, de classement, de prévision et d'optimisation
• Familiarité avec Databricks, Azure ML, SageMaker, Vertex AI ou des plateformes d'apprentissage machine équivalentes
• Expérience dans la construction de portails de développeurs internes, de CLIs ou de SDK de flux de travail
• Forte pensée de produit de plateforme axée sur l'utilisabilité, l'adoption et la productivité des DS

SG est un employeur qui respecte les droits des personnes et ne discrimine pas les candidats en fonction de la race, de la couleur, du sexe, de l'âge, de l'origine nationale, de la religion, de l'orientation sexuelle, de l'identité de genre, du statut de vétéran et de toute autre classe protégée fédérale, provinciale ou locale. Si vous souhaitez plus d'informations sur vos droits en matière d'égalité des chances d'emploi en vertu de la loi, veuillez cliquer ici pour le poster EEOC.