The Walt Disney Company
The Walt Disney Company
Ang The Walt Disney Company ay isang pandaigdigang negosyo sa libangan na nakasentro sa pagkukuwento, mga karakter, at mga karanasan ng bisita. Saklaw ng mga operasyon nito ang mga theme park at resort, mga media network, mga film studio, at interactive media, kung saan naaabot ng mga produkto at karanasan nito ang mga manonood sa buong mundo sa iba’t ibang platform at device. Itinatag noong 1923, pinagsasama ng Disney ang malaking pandaigdigang workforce mula sa mga larangan ng libangan, hospitality, paglalakbay, at pagkain at inumin, habang nananatiling nakatuon sa privacy, transparency, at pagsunod sa mga regulasyon sa pangangasiwa ng datos ng consumer.

Software Engineer II, Obserbabilidad ng ML

Bumuo ng mga sistema ng pagtukoy ng anomalya at obserbabilidad ng machine learning para sa Disney+, Hulu, at ESPN. Bumuo ng mga production model, telemetry pipeline, inference service, at mga insight sa operasyon na pinapagana ng AI.

Paglalarawan

  • Mag-ambag sa mga production model para sa pagtukoy ng anomalya, kabilang ang mga autoencoder, modelong gumagamit ng estadistikal na threshold, at mga ensemble system na sumusubaybay sa libo-libong microservice.
  • Bumuo at pagbutihin ang mga ML training pipeline gamit ang PyTorch sa mga GPU cluster.
  • Magdisenyo ng mga feature, magsanay ng mga modelo, mag-calibrate ng mga threshold, at mag-deploy ng mga modelo sa pamamagitan ng MLflow.
  • Bumuo ng mga feature mula sa time-series telemetry gamit ang windowing, normalization, at mga pananggalang sa kalidad ng data.
  • Suportahan ang real-time na ML inference, kabilang ang paghahatid ng modelo, lohika ng pagtukoy, at pagbuo ng alerto.
  • Bumuo ng mga kakayahan sa AI gamit ang mga foundation model gaya ng Claude at GPT-4.
  • Gumawa at mag-deploy ng mga scalable na FastAPI service para sa mga ML prediction, status ng kalusugan, at insight.
  • Makipagtulungan sa iba't ibang team upang maisama ang ML intelligence sa mga workflow ng pagtugon sa insidente at pagpapatunay ng release.
  • Tumulong sa pagsusuri at muling pagsasanay ng mga modelo, at sa pag-aayos ng mga threshold.
  • Maghatid ng mga feature mula disenyo hanggang implementasyon, lumahok sa disenyo ng modelo at mga pagsusuri ng code, at dagdagan ang pananagutan sa mga bahagi ng production ML system.

Mga Kinakailangan

  • May hindi bababa sa 3 taon ng propesyonal na karanasan sa software engineering, sa pagbuo, pagpapalawak, at pagpapanatili ng mga backend na pinapagana ng ML, mga microservice na batay sa data, at production REST API gamit ang FastAPI o Flask.
  • May praktikal na karanasan sa buong siklo ng ML engineering gamit ang PyTorch o TensorFlow, kabilang ang pagpili ng arkitektura ng modelo, pagdidisenyo ng feature, pagsasanay, at pagsusuri.
  • Mahusay sa Python at sa kahit isang machine learning framework.
  • May karanasan sa pamamahala ng mga eksperimento, pinagmulan ng mga modelo, at pagsubaybay sa hyperparameter gamit ang MLflow o Weights & Biases.
  • May karanasan sa pagproseso, pagbabago, at pag-query ng malalaking telemetry, event, o time-series dataset gamit ang PySpark, Pandas, o Databricks.
  • May karanasan sa GitHub, Docker, at mga cloud-native na deployment gaya ng AWS/EKS.
  • May matibay na kakayahan sa pagsusuri at pag-troubleshoot.
  • May matibay na kasanayan sa pakikipagtulungan at komunikasyon, kabilang ang kakayahang makipagtrabaho sa iba't ibang team.
  • Mas gusto ang karanasan sa pagsasama ng mga foundation model, pagdidisenyo at pagsusuri ng mga prompt, pagtatrabaho sa mga RAG architecture, o paggamit ng LangChain o LangGraph.
  • Mas gusto ang karanasan sa mga platform ng obserbabilidad gaya ng Datadog, Grafana, o Conviva.
  • Mas gusto ang karanasan sa malalaking data platform gaya ng Databricks, Spark, o Snowflake.
  • Bachelor’s degree sa Computer Science, Machine Learning, Statistics, o Engineering, o katumbas na karanasan.

Mga Benepisyo

  • Maaaring mag-alok ng bonus at/o mga pangmatagalang incentive unit.
  • Mga benepisyong medikal.
  • Mga benepisyong pinansyal.
  • Nakadepende ang iba pang benepisyo sa antas at posisyong iaalok.
  • Pangunahing onsite ang trabaho, na may paminsan-minsang pagtatrabaho mula sa bahay.

Mga Kaugnay na Trabaho

Juniper Square

Senior na Inhinyero sa Seguridad ng Application at Platform

Juniper Square
201 – 500 Mga Empleyado
PananalapiReal EstateSaaS

Protektahan ang platform ng mga pribadong merkado ng Juniper Square sa mga application, imprastraktura sa cloud, at mga feature ng AI nito. Bumuo ng mga panangga laban sa kahinaan, automation sa seguridad, at mga proteksiyong tumutulong sa mga team na maglabas ng ligtas na software.

Buksan
NCR Atleos

Field Service Engineer, Pagkukumpuni ng ATM — Gitnang Yorkshire

NCR Atleos

Nagkukumpuni at nagpapanatili ng mga ATM sa buong Gitnang Yorkshire para sa NCR Atleos, sinusuri ang mga sira at nilulutas ang mga isyu ng customer. Kabilang sa trabaho ang mga field assignment, mga pangako sa antas ng serbisyo, at limang araw na iskedyul na may pasok sa weekend.

Buksan
Peraton

Senior Systems Architect, AI/ML at AWS

Peraton

Pangunahan ang mga solusyon sa AI/ML, AWS, at modernisasyon para sa mga programang panseguridad ng Peraton. Magpayo sa mga customer sa gobyerno at humubog ng cloud-native na teknolohiya para sa mga pederal na misyon.

Buksan
NCR Atleos

Inhinyero ng Serbisyo sa Field, Pagkukumpuni ng ATM — York

NCR Atleos

Nagkukumpuni at nagme-maintain ng mga ATM ng NCR Atleos sa East Yorkshire, tumutukoy sa mga sira at lumulutas ng mga isyu ng customer sa mismong lugar. Kabilang sa trabaho ang paglalakbay sa rehiyon, pag-install at pagseserbisyo ng kagamitan, at pagsunod sa mga pamantayan sa serbisyo at kaligtasan.

Buksan
SWARCO

Inhinyero sa Serbisyo sa Field para sa EV Charging — Leeds at Wakefield

SWARCO

Nagpapanatili at nagkukumpuni ng mga istasyon ng EV charging ng mga customer ng SWARCO sa Leeds at Wakefield. Tinutukoy ang mga sira sa kuryente, hardware, software, at network.

Buksan