機械学習データエンジニア（ルーマニア・リモート）
アスリートのパフォーマンスを支える、リアルタイム、グラフ、時系列データの基盤を構築します。 Inteticsの米国顧客向けに、機械学習の評価とAIシステムを支援します。
仕事内容
- 大量のアスリートのパフォーマンスデータやセンサーデータを扱う、本番用データ基盤を構築します。
- リアルタイムおよび準リアルタイムのストリーミングデータ取り込みシステムを開発・運用します。
- 大規模な時系列データセットやアスリートの経時的な記録に対応するストレージとデータアーキテクチャを設計します。
- 機械学習システムやAIエージェントが、本番環境の特徴量や派生指標に低遅延でアクセスできるようにします。
- アスリートとトレーニング負荷、けが、パフォーマンス、結果を結び付けるグラフモデルとスキーマを作成します。
- モデルの信頼性、キャリブレーション、実環境での性能を評価するデータおよび機械学習評価システムを開発します。
- クラブや顧客ごとのテナントレベルのデータ分離を維持します。
- プラットフォーム全体で、データの出所、リネージ、監査可能性、可観測性を確立します。
- 機械学習およびAIエンジニアと連携し、信頼できるデータを用いたモデルの学習、推論、評価を支援します。
- スポーツ科学者や分野の専門家と協力し、複雑な要件を長期運用できる本番システムに落とし込みます。
- プラットフォームの進化に合わせ、現実的な技術およびアーキテクチャ上の判断を行います。
- Inteticsの米国顧客と協力します。
応募要件
- フルタイムのソフトウェアまたはデータエンジニアとして、5年以上の実務経験があること。インターンシップ、大学の実習、授業課題、学術プロジェクトは含みません。
- 大規模な本番用データ基盤の設計、構築、運用経験があること。
- InfluxDB、TimescaleDB、Prometheus、ClickHouse、または同等の時系列データやデータベースに関する豊富な経験があること。
- Kafka、Kinesis、Flink、Spark Streaming、Pulsar、または同等の技術を用いたリアルタイムまたはストリーミングデータ取り込みの豊富な経験があること。
- 既存のグラフデータベースへのクエリや利用にとどまらず、グラフデータモデルまたはデータベーススキーマを設計した経験があること。
- テナントレベルのデータ分離を備えたマルチテナントシステムの設計または運用経験があること。
- PythonとSQLの高いスキルがあること。
- Goの実務経験があれば特に歓迎します。
- 信頼性、拡張性、可観測性、データ精度が不可欠な本番システムの経験があること。
- 曖昧な技術課題を主体的に引き受け、実用的な本番アーキテクチャにまとめられること。
- データサイエンティスト、機械学習エンジニア、または他の技術系分野の専門家と直接協働した経験があること。
- 確率的評価、モデルキャリブレーション、またはモデル監視の基盤を構築した経験があること。
- 因果推論、反実仮想モデリング、またはシミュレーションの経験があること。
- ウェアラブルセンサー、IoTデータ、バイオメカニクス、スポーツテクノロジー、またはその他の高頻度テレメトリの経験があること。
- ナレッジグラフまたは分野固有のオントロジーを構築した経験があること。
- LLMまたはAIの評価フレームワークを扱った経験があり、その限界を理解していること。
- ECS、EC2、Lambda、SNS、SQSなどのAWSサービスまたは関連ツールの経験があること。
- GraphQL、REST、gRPC、Postgres、MongoDB、または類似技術の経験があること。
- 英語力がB2以上であること。
- EU域内に居住していること。
