Ingénieur en apprentissage machine senior

Scientific Games:

Scientific Games est le leader mondial des jeux de loterie, des paris sportifs et de la technologie, et le partenaire de choix des loteries gouvernementales. De systèmes informatiques de pointe à des expériences d'amusement passionnantes et 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 en ligne. Construit sur une base de partenariats de confiance, Scientific Games combine une innovation implacable, des performances légendaires et une sécurité inébranlable pour propulser responsable la loterie mondiale vers l'avant.

À propos du rôle

Nous recherchons un ingénieur en apprentissage machine senior pour aider à construire les fondations de notre plateforme d'apprentissage machine à partir de zéro. Ce rôle ne consiste pas à créer une équipe centralisée de contrôle. Au lieu de cela, la mission est de construire des outils d'apprentissage machine auto-service et des chemins dorés qui permettent aux scientifiques des données d'autonomiser la prise de modèles de l'expérimentation au déploiement fiable en production, dans le cadre de cas d'utilisation par lots et en temps réel. Vous collaborerez étroitement avec les ingénieurs en apprentissage machine senior, les scientifiques des données et les parties prenantes de la plateforme pour établir la première génération d'infrastructure d'apprentissage machine réutilisable, de flux de travail de déploiement, de normes d'observabilité et de modèles d'expérience de développement qui s'étendent à travers l'organisation.

Ce rôle est basé à Toronto.

Principales responsabilités

• Construire des outils auto-service réutilisables pour l'emballage des modèles, le déploiement, l'inférence par lots et le service en temps réel
• Développer des capacités de plateforme qui permettent aux scientifiques des données de déployer, de surveiller et d'itérer indépendamment sur leurs propres modèles en production
• Construire des flux de travail d'apprentissage machine de base, y compris le registre des modèles, la promotion des environnements, le retour en arrière, les schémas d'accès aux caractéristiques et les API d'inférence
• Concevoir des pipelines CI/CD pour les flux de travail automatisés d'entraînement, de validation, de déploiement d'ombre, de déploiement progressif, de retour en arrière et de promotion complète en production
• Établir des modèles de chemin doré, des SDK, des CLI et des implémentations de référence pour standardiser la livraison des systèmes d'apprentissage machine
• Contribuer aux normes d'observabilité dans le domaine de la santé des modèles, de la latence, de la fraîcheur des caractéristiques, de la qualité des données et de la surveillance des indicateurs clés de performance (KPI) commerciaux
• Collaborer avec les ingénieurs en apprentissage machine senior pour façonner l'architecture de première génération de la plateforme d'apprentissage machine

Éducation

• Maîtrise en informatique, en génie, en apprentissage machine, en génie logiciel ou dans un domaine STEM connexe
• Baccalauréat en un domaine STEM connexe avec une profondeur industrielle équivalente est également acceptable

Expérience

• 3 ans ou plus d'expérience pratique en ingénierie de l'apprentissage machine, en ingénierie de plateforme ou en systèmes d'apprentissage machine en production
• Expérience prouvée de construction de systèmes d'apprentissage machine en production par lots et en temps réel
• Expérience de travail en étroite collaboration avec les scientifiques des données pour productioniser les modèles et les flux de travail d'expérimentation
• Forte expérience de construction d'outils réutilisables, de cadres ou de plateformes de développement internes

Compétences techniques

• Maîtrise des fondamentaux de Python et de l'ingénierie logicielle
• Expérience pratique avec les flux de travail de déploiement de modèles PyTorch et TensorFlow
• Expérience avec Docker, Kubernetes et les schémas de déploiement natifs du cloud
• Forte expérience en CI/CD utilisant GitHub Actions et les flux de travail CI/CD natifs du cloud
• Expérience avec MLflow, les flux de travail de registre de modèles et la promotion multi-environnements
• Forte compréhension des services d'inférence basés sur API, de la notation par lots asynchrone et des pipelines pilotés par des événements

Compétences sociales

• Forte collaboration avec les scientifiques des données et les équipes d'ingénierie produit
• Mentalité de constructeur avec un focus sur l'expérience de développement et l'adoption
• Capacité à traduire la complexité de l'infrastructure en flux de travail auto-service simples

Qualifications préférées

• Expérience de construction de plateformes d'apprentissage machine internes de zéro à la première adoption à l'échelle
• Expérience avec les magasins de caractéristiques et les SDK d'accès aux caractéristiques réutilisables
• Familiarité avec Databricks, PySpark, Airflow ou des outils d'orchestration équivalents
• Expérience avec les outils d'expérimentation et de test A/B auto-service
• Expérience de conception d'abstractions de plateforme qui maximisent l'autonomie des DS sans compromettre la fiabilité

SG est un employeur qui respecte l'égalité des chances et ne discrimine pas les candidats en raison 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 la base de la handicap, ou de toute autre classe protégée fédérale, provinciale ou locale. Si vous souhaitez plus d'informations sur vos droits en matière d'égalité des chances en tant que candidat en vertu de la loi, veuillez cliquer ici pour le poster de l'EEOC.