머신러닝 데이터 엔지니어(루마니아 원격)
선수 경기력 데이터를 위한 실시간, 그래프, 시계열 데이터 인프라를 구축합니다. Intetics의 미국 고객을 위해 머신러닝 평가와 AI 시스템을 지원합니다.
설명
- 대량의 선수 경기력 데이터와 센서 데이터를 처리하는 프로덕션 데이터 인프라를 구축합니다.
- 실시간 및 준실시간 스트리밍 데이터 수집 시스템을 개발하고 운영합니다.
- 대규모 시계열 데이터셋과 선수의 종단 기록을 위한 스토리지 및 데이터 아키텍처를 설계합니다.
- 머신러닝 시스템과 AI 에이전트가 프로덕션 특성 및 파생 지표에 낮은 지연 시간으로 접근할 수 있도록 합니다.
- 선수와 훈련 부하, 부상, 경기력, 결과를 연결하는 그래프 모델과 스키마를 만듭니다.
- 모델의 신뢰성, 보정, 실제 환경에서의 성능을 평가하는 데이터 및 머신러닝 평가 시스템을 개발합니다.
- 클럽과 고객별 테넌트 수준의 데이터 격리를 유지합니다.
- 플랫폼 전반에 데이터 출처, 계보, 감사 가능성, 관측 가능성을 구축합니다.
- 머신러닝 및 AI 엔지니어와 협업해 신뢰할 수 있는 데이터로 모델 학습, 추론, 평가를 지원합니다.
- 스포츠 과학자 및 도메인 전문가와 협업해 복잡한 요구사항을 견고한 프로덕션 시스템으로 구현합니다.
- 플랫폼이 발전함에 따라 실용적인 기술 및 아키텍처 결정을 내립니다.
- Intetics의 미국 고객과 협업합니다.
지원 자격
- 풀타임 소프트웨어 또는 데이터 엔지니어로서 최소 5년의 전문 경력이 있어야 합니다. 인턴십, 대학 현장실습, 수업 과제, 학술 프로젝트는 경력에 포함되지 않습니다.
- 대규모 프로덕션 데이터 인프라를 설계, 구축, 운영한 경험이 있어야 합니다.
- InfluxDB, TimescaleDB, Prometheus, ClickHouse 또는 이에 준하는 시계열 데이터나 데이터베이스에 대한 풍부한 경험이 있어야 합니다.
- Kafka, Kinesis, Flink, Spark Streaming, Pulsar 또는 이에 준하는 기술을 사용한 실시간 또는 스트리밍 데이터 수집 경험이 풍부해야 합니다.
- 기존 그래프 데이터베이스를 조회하거나 사용하는 수준을 넘어 그래프 데이터 모델 또는 데이터베이스 스키마를 설계한 경험이 있어야 합니다.
- 테넌트 수준 데이터 격리를 갖춘 멀티테넌트 시스템을 설계하거나 운영한 경험이 있어야 합니다.
- Python과 SQL에 능숙해야 합니다.
- Go 실무 경험이 있으면 매우 우대합니다.
- 신뢰성, 확장성, 관측 가능성, 데이터 정확성이 중요한 프로덕션 시스템 경험이 있어야 합니다.
- 모호한 기술 문제를 주도적으로 맡아 실용적인 프로덕션 아키텍처로 구체화할 수 있어야 합니다.
- 데이터 과학자, 머신러닝 엔지니어 또는 다른 기술 도메인 전문가와 직접 협업한 경험이 있어야 합니다.
- 확률적 평가, 모델 보정 또는 모델 모니터링 인프라를 구축한 경험이 있어야 합니다.
- 인과 추론, 반사실적 모델링 또는 시뮬레이션 경험이 있어야 합니다.
- 웨어러블 센서, IoT 데이터, 생체역학, 스포츠 기술 또는 기타 고주파 원격 측정 데이터 경험이 있어야 합니다.
- 지식 그래프 또는 도메인별 온톨로지를 구축한 경험이 있어야 합니다.
- LLM 또는 AI 평가 프레임워크 경험이 있고 그 한계를 알고 있어야 합니다.
- ECS, EC2, Lambda, SNS, SQS 또는 관련 도구 등 AWS 서비스를 사용한 경험이 있어야 합니다.
- GraphQL, REST, gRPC, Postgres, MongoDB 또는 유사 기술 경험이 있어야 합니다.
- 영어 능력이 B2 이상이어야 합니다.
- EU에 거주해야 합니다.
