Intetics
Intetics
Ang Intetics ay isang kompanya ng custom na pagbuo ng software at pagkonsulta na tumutulong sa mga organisasyon na bumuo ng kakayahang teknolohikal sa pamamagitan ng mga serbisyo sa AI, machine learning, software engineering, at pagproseso ng datos. Sinusuportahan ng Remote In-Sourcing® model nito ang pagbuo ng mga dalubhasang team ng eksperto, habang nagbibigay ang TETRA™ ng mga tool para sa pagtatasa ng kalidad ng software. Gumagamit ang kompanya ng makabagong teknolohiya at mataas na kalidad na mga kasanayan sa datos sa mga sektor tulad ng pangangalagang pangkalusugan, pananalapi, logistics, at iba pang industriya.

Inhinyero ng Data ng ML, Remote sa Romania

Bumuo ng real-time, graph, at time-series na imprastraktura ng datos para sa pagganap ng mga atleta. Suportahan ang pagsusuri sa machine learning at mga AI system para sa customer ng Intetics sa Estados Unidos.

Paglalarawan

  • Bumuo ng imprastraktura ng datos para sa produksyon na kayang humawak ng malalaking dami ng datos ng pagganap ng atleta at sensor.
  • Bumuo at magpatakbo ng mga system sa pagpasok ng streaming data na real-time at halos real-time.
  • Magdisenyo ng imbakan at arkitektura ng datos para sa malalaking time-series dataset at pangmatagalang rekord ng mga atleta.
  • Magbigay ng mababang-latency na access sa mga production feature at hinangong sukatan para sa mga machine learning system at AI agent.
  • Gumawa ng mga graph model at schema na nag-uugnay sa mga atleta sa training load, pinsala, pagganap, at mga resulta.
  • Bumuo ng mga sistema sa pagsusuri ng datos at ML upang masukat ang pagiging maaasahan ng modelo, calibration, at pagganap sa totoong mundo.
  • Panatilihin ang paghihiwalay ng datos sa antas ng tenant sa iba't ibang club at customer.
  • Itatag ang pinagmulan at lineage ng datos, kakayahang ma-audit, at observability sa buong platform.
  • Makipagtulungan sa mga inhinyero ng ML at AI upang suportahan ang pagsasanay, inference, at pagsusuri ng modelo gamit ang maaasahang datos.
  • Isalin ang mga komplikadong pangangailangan tungo sa matibay na production system kasama ang mga sport scientist at eksperto sa larangan.
  • Gumawa ng praktikal na mga pasya sa teknolohiya at arkitektura habang umuunlad ang platform.
  • Makipagtulungan sa customer ng Intetics na nakabase sa Estados Unidos.

Mga Kinakailangan

  • May hindi bababa sa limang taon ng full-time na propesyonal na karanasan sa software o data engineering; hindi kabilang ang internship, university placement, coursework, at mga proyektong akademiko.
  • May napatunayang karanasan sa pagdidisenyo, pagbuo, at pagpapatakbo ng production data infrastructure sa malakihang saklaw.
  • May matibay na karanasan sa time-series data o mga database gaya ng InfluxDB, TimescaleDB, Prometheus, ClickHouse, o katumbas nito.
  • May malawak na karanasan sa real-time o streaming ingestion gamit ang Kafka, Kinesis, Flink, Spark Streaming, Pulsar, o katumbas nito.
  • May karanasan sa pagdidisenyo ng mga graph data model o database schema, lampas sa pag-query o paggamit ng kasalukuyang graph database.
  • May karanasan sa pagdidisenyo o pagpapatakbo ng mga multi-tenant system na may paghihiwalay ng datos sa antas ng tenant.
  • Mahusay sa Python at SQL.
  • Lubos na kanais-nais ang propesyonal na karanasan sa Go.
  • May karanasan sa mga production system kung saan mahalaga ang reliability, scalability, observability, at katumpakan ng datos.
  • Kayang manguna sa mga hindi malinaw na teknikal na problema at hubugin ang mga ito bilang praktikal na production architecture.
  • May karanasan sa direktang pakikipagtulungan sa mga data scientist, ML engineer, o iba pang teknikal na espesyalista sa larangan.
  • May karanasan sa pagbuo ng imprastraktura para sa probabilistic evaluation, model calibration, o model monitoring.
  • May karanasan sa causal inference, counterfactual modeling, o simulation.
  • May karanasan sa wearable sensor, IoT data, biomechanics, sports technology, o iba pang high-frequency telemetry.
  • May karanasan sa pagbuo ng knowledge graph o mga ontology na partikular sa larangan.
  • May karanasan sa mga LLM o AI evaluation framework at alam ang mga limitasyon ng mga ito.
  • May karanasan sa mga serbisyo ng AWS gaya ng ECS, EC2, Lambda, SNS, SQS, o mga kaugnay na tool.
  • May karanasan sa GraphQL, REST, gRPC, Postgres, MongoDB, o mga kahalintulad na teknolohiya.
  • May kasanayan sa Ingles na B2 o mas mataas.
  • Dapat nakatira sa EU.

Mga Kaugnay na Trabaho

Sigma Software Group

Senior Data Engineer, Migrasyon sa Databricks

Sigma Software Group

Ilipat ang enterprise retail analytics mula BigQuery patungong Databricks Lakehouse sa pamamagitan ng pagbuo ng scalable na PySpark pipeline, medallion architecture, at pinamamahalaang cloud data platform.

Buksan
Sigma Software Group

Senior na Data Engineer

Sigma Software Group

Bumuo ng mga cloud-native na data platform at mga pipeline na halos real-time, habang pinamumoderno ang mga workload ng Spark at PySpark. Pangunahan ang paggamit ng mga AI tool at agentic workflow, at mag-ambag sa teknikal na pananaliksik at pagpapaunlad.

Buksan
Devoteam

Arkitek ng Data sa Databricks (Remote, Espanya)

Devoteam

Magdisenyo ng ligtas at handa sa AI na mga Lakehouse platform para sa mga kliyente ng Devoteam gamit ang Databricks. I-modernisa ang mga lumang data system sa mga cloud at multi-cloud na kapaligiran.

Buksan
Valtech

Senior Data Engineer, Malayang Trabaho sa Bulgaria

Valtech

Bumuo ng mga cloud data platform at pipeline sa Valtech para suportahan ang analytics, AI, at mga data product. Magtrabaho sa AWS, Databricks, at iba pang cloud environment, kabilang ang mga gamit ng GenAI.

Buksan
Sowelo Consulting sp. z o.o. sp. k.

Senior na Arkitek ng Data, Databricks at Lakehouse

Sowelo Consulting sp. z o.o. sp. k.
11 – 50 Mga Empleyado
LogisticsPagkonsultaPagmemerkado

Pangunahan ang mga proyekto ng kliyente sa pagbuo ng mga Databricks lakehouse platform para sa isang konsultansiya sa AI at data. Hubugin ang cloud data engineering, mga migration, analytics, at mga solusyon sa AI.

Buksan