LogoFresh Jobs Ahead
PAR Technology
PAR Technology
1.001 – 5.000 Mitarbeitende
BeratungLebensmittel und GetränkeLogistik
PAR Technology entwickelt Technologien für Restaurants, Gastronomiebetriebe und andere serviceintensive Umgebungen. Die Plattform vereint Kassensysteme, digitale Bestellungen, Zahlungsabwicklung und Kundenbindungsinstrumente, damit Betreiber Abläufe im Front-of-House und Back-of-House besser koordinieren können. PAR Technology unterstützt Unternehmen aus den Bereichen Quick-Service- und Fast-Casual-Gastronomie, Kinos, Casinos, Freizeitparks, Hotels und Convenience-Stores mit cloudbasierten Produkten, die reibungslosere Abläufe und ein konsistenteres Gästeerlebnis fördern.
LinkedIn
Stellen im Unternehmen

MLOps Engineer für Identity Resolution

Überführe Bridgs Modelle zur Identitätsauflösung in den Produktivbetrieb der Restaurantsoftwareplattform von PAR Technology. Entwickle AWS- und Spark-Pipelines, CI/CD, Monitoring und agentenabfragbare Datenschnittstellen.

USVereinigte StaatenCOColoradoFLFloridaILIllinoisMNMinnesotaNYNew YorkNCNorth CarolinaPAPennsylvaniaTXTexas
125.000 $ – 160.000 $ / Jahr
RemoteVollzeitJuniorMittlere StufeErforderliche Sprache: EnglischMachine-Learning-Ingenieur
AirflowAmazon RedshiftAWSGraphQLPandasPySparkPythonScikit-LearnSpark

Beschreibung

  • Überführe Bridgs Modell zur Identitätsauflösung aus Notebooks in einen überwachten, automatisierten Produktivbetrieb.
  • Entwickle und betreibe zuverlässige, skalierbare Daten- und Machine-Learning-Pipelines.
  • Schreibe Tests und ergänze die Überwachung von Zuordnungsdaten.
  • Optimiere Spark-Jobs und entwickle CI/CD-Workflows.
  • Verbessere Systemtests und Dokumentation.
  • Arbeite mit dem Data-Science-Team an produktiven Machine-Learning-Systemen.
  • Führe explorative Datenanalysen durch und untersuche die Datenqualität.
  • Warte Feature-Pipelines und stelle die Konsistenz zwischen Modelltraining und Bereitstellung sicher.
  • Bewerte Champion- und Challenger-Modelle und melde auffällige Ergebnisse.
  • Erstelle schlanke Schnittstellen, über die agentengesteuerte Workflows Ergebnisse der Identitätsauflösung abfragen können.
  • Nutze KI zum Programmieren und Refaktorieren, für Infrastructure as Code, Designdokumentation, Zusammenfassungen von Logs und Ausführungen, die Untersuchung von Datensätzen und die Erstellung von Evaluierungsfällen.
  • Berichte an Bridgs Director of Product.

Anforderungen

  • 2–4 Jahre Erfahrung mit der Entwicklung produktiver Daten- oder Machine-Learning-Systeme.
  • Bachelorabschluss in Informatik, Data Engineering oder einem verwandten Fachgebiet oder gleichwertige praktische Erfahrung.
  • Erfahrung mit der Entwicklung und Wartung automatisierter und getesteter Machine-Learning- oder Daten-Pipelines.
  • Erfahrung mit der Verbesserung von CI/CD für Daten- oder Machine-Learning-Workflows, einschließlich Git-basierter Prozesse, automatisierter Unit- und Integrationstests sowie einer branchbasierten Überführung durch Entwicklungs-, Staging- und Produktionsumgebungen.
  • Erfahrung mit Workflow-Orchestrierungstools wie Airflow, Step Functions oder Databricks Workflows, einschließlich Wiederholungsversuchen, Backfills, SLA-Überwachung und Alarmierung.
  • Vertrautheit mit Experiment-Tracking und Modellregistern wie MLflow.
  • Erfahrung mit Monitoring und Observability, Datenqualitäts- und Schema-Drift-Prüfungen sowie Drift bei Ein- und Ausgabeverteilungen.
  • Erfahrung mit Infrastructure as Code, Geheimnisverwaltung und reproduzierbaren Python-Umgebungen.
  • Berufserfahrung mit AWS-Diensten wie S3, EMR, Glue, Step Functions, Lambda, IAM und CloudWatch.
  • Gute Kenntnisse der Spark-Performance, etwa zu Skew, Shuffle, Spill, Partitionierung und Join-Strategien.
  • Erfahrung mit der Bereitstellung verarbeiteter Ergebnisse für nachgelagerte Systeme wie Redshift.
  • Fähigkeit, explorative Datenanalysen und Untersuchungen der Datenqualität durchzuführen.
  • Erfahrung mit dem Aufbau und der Wartung von Feature-Pipelines sowie der Sicherstellung konsistenter Trainings- und Bereitstellungsprozesse.
  • Grundlagen angewandter Statistik, darunter Wahrscheinlichkeit, Hypothesentests, Stichprobenverfahren und Evaluierungsmetriken.
  • Sicherer Umgang mit dem Python-Data-Science-Stack, einschließlich pandas, scikit-learn und PySpark.
  • Interesse an der Datenintegration für LLM-basierte Agenten und Bereitschaft, Schnittstellen wie MCP-Server, REST- oder GraphQL-Endpunkte oder strukturierte Feeds zu entwickeln.
  • Gutes Urteilsvermögen im Umgang mit Datenverträgen.
  • Sicherer Umgang mit Datensätzen, die personenbezogene Daten enthalten.
  • Tägliche Nutzung von KI-Coding-Assistenten und Verantwortung für die Prüfung und das Testen KI-generierten Codes.
  • Berechtigung, legal in den Vereinigten Staaten oder Kanada zu arbeiten.
  • Kein Wettbewerbsverbot, das eine Beschäftigung bei PAR verhindert.

Zusatzleistungen

  • Anspruch auf einen Bonus.
  • Mögliche zusätzliche Vergütung, gegebenenfalls einschließlich Provision und/oder Unternehmensanteilen.
  • Remote-Arbeit an berechtigten Standorten.
  • Angemessene Vorkehrungen für Menschen mit Behinderungen.

Ähnliche Stellen

Volga Partners

Remote-Datenannotation-Spezialist für Objekterkennung – USA

Volga Partners
1.001 – 5.000 Mitarbeitende
Sponsor für H1B-VisumB2BKünstliche IntelligenzUnternehmen
USVereinigte Staaten
14 $ – 15 $ / Stunde
RemoteVollzeitMittlere StufeSeniorErforderliche Sprache: EnglischIngenieur für Computer VisionMachine-Learning-Ingenieur

Annotiere visuelle Datensätze für die KI-Projekte von Volga Partners und kennzeichne Objekte zur Unterstützung von Computer-Vision-Systemen. Mit sorgfältiger, konsistenter Arbeit trägst du dazu bei, die Qualität der Objekterkennung zu verbessern.

Öffnen
Netflix

Senior Software Engineer, Entwicklung der KI-Plattform und Modelle

Netflix
B2CMedien
USVereinigte Staaten
466.000 $ – 750.000 $ / Jahr
RemoteVollzeitMittlere StufeSeniorErforderliche Sprache: EnglischKI-IngenieurMachine-Learning-Ingenieur
AirflowAWSC++JavaPythonScala

Entwickle Netflix’ KI-Plattform für die Entwicklung, Erprobung und Bereitstellung von Machine-Learning-Modellen. Arbeite mit Forschenden und Data Scientists zusammen, um Werkzeuge für den gesamten ML-Lebenszyklus zu verbessern.

Öffnen