Pattern Bioscience to firma biotechnologiczna i medyczna opracowująca szybkie, niewymagające hodowli metody diagnostyki zakażeń bakteryjnych opornych na leki. Technologia firmy łączy analizę mikroorganizmów na poziomie pojedynczych komórek z uczeniem maszynowym, aby w ciągu kilku godzin dostarczać klinicznie przydatne wyniki i pomagać pracownikom ochrony zdrowia szybciej dobierać odpowiednie leczenie. Działalność firmy odpowiada na problem oporności na środki przeciwdrobnoustrojowe, wspierając szybsze i bardziej świadome decyzje, które mogą poprawić wyniki leczenia pacjentów oraz ograniczyć możliwe do uniknięcia koszty opieki zdrowotnej.
Starszy inżynier danych, dane i analityka — praca hybrydowa, Pune
Kieruj systemami danych Pattern Bioscience służącymi do optymalizacji reklam, w tym magazynem cech i przepływami wnioskowania modeli uczenia maszynowego. Utrzymuj niezawodne, kontrolowane jakościowo aktualizacje stawek i budżetów dla interfejsów API marketplace’ów.
Opis
- Tworzyć, wdrażać i wspierać skalowalne, zautomatyzowane potoki wsadowe pobierające różnorodne źródła do lakehouse
- Zarządzać orkiestracją Airflow i ją rozwijać dla codziennych przepływów oraz wieloetapowych przepływów DAG uruchamianych co 15 minut, obejmujących zależności, ponowienia, backfill, pełne odświeżenia i bezpieczne ponowne uruchomienia
- Tworzyć i optymalizować analityczne zapytania SQL z użyciem szerokich złączeń, funkcji okna, przyrostowych scaleni, doboru rozmiaru hurtowni i profilowania zapytań
- Dodawać cechy i etykiety do magazynu cech, zachowując ustalone standardy zapobiegania wyciekom i kompletności danych
- Koordynować trenowanie modeli i wnioskowanie wsadowe w SageMaker za pośrednictwem Airflow, w tym zbiory danych, transfery S3 i Parquet, obrazy treningowe, dobór rozmiaru instancji, predykcje i metryki
- Tworzyć podejścia do audytowania danych i egzekwować blokujące kontrole jakości przed zapisami zewnętrznymi
- Diagnozować i rozwiązywać problemy z przetwarzaniem danych na dużą skalę, badać awarie i uczestniczyć w dyżurach związanych z obsługą incydentów
- Chronić idempotencję, wykrywanie nowych danych, walidację działań, unieważnianie i ścieżki audytowe aktualizacji marketplace’ów
- Współpracować z naukowcami danych, strategami reklamowymi i zespołami inżynierii platformy
- Przekładać cele ROAS, tempo wydatkowania budżetu, zasady playbooków i strategię reklamową na niezawodne modele danych i potoki
- Brać odpowiedzialność za jakość danych w przypisanych domenach i koordynować rozwiązywanie problemów z zespołami infrastruktury danych
- Mentorować inżynierów danych, zapewniać wskazówki techniczne i przeglądać zmiany w SQL oraz DAG
Wymagania
- Wykształcenie wyższe co najmniej pierwszego stopnia w dziedzinie data science, analityki danych, zarządzania informacją, informatyki, technologii informacyjnych, pokrewnej dyscyplinie lub równoważne doświadczenie zawodowe
- Co najmniej cztery lata łącznego doświadczenia zawodowego
- Co najmniej cztery lata praktycznego doświadczenia w programowaniu SQL i Python, w tym w zaawansowanym SQL
- Co najmniej trzy lata doświadczenia w budowaniu produkcyjnych potoków danych w oparciu o nowoczesne architektury danych
- Co najmniej dwa lata doświadczenia z chmurowymi hurtowniami danych, takimi jak Snowflake, Amazon Redshift lub BigQuery
- Doświadczenie zawodowe z orkiestratorem przepływów pracy; Airflow jest zdecydowanie preferowany
- Doświadczenie w planowaniu trenowania modeli uczenia maszynowego i wnioskowania wsadowego za pomocą SageMaker lub porównywalnej platformy
- Praktyczne rozumienie pojęć związanych ze stosowanym uczeniem maszynowym, w tym konstruowania zbiorów danych, wycieków, metryk oceny i operacji cyklu życia modeli
- Praktyczne doświadczenie z AWS, w tym co najmniej S3 i IAM, oraz znajomość kolumnowych formatów plików
- Udokumentowana odpowiedzialność za jakość danych poprzez testowanie, monitorowanie, alerty i analizę przyczyn źródłowych
- Dobre praktyki inżynierii oprogramowania i tworzenia skryptów, w tym kontrola wersji, przegląd kodu i programowanie modułowe
- Doskonałe umiejętności komunikacyjne i współpracy międzyfunkcyjnej
- Umiejętność prowadzenia i mentorowania zespołów inżynierii danych
- Preferowane doświadczenie obejmuje reklamę cyfrową, zaawansowaną znajomość Snowflake, dane szeregów czasowych, big data, frameworki jakości danych, rozproszone platformy danych, dodatkowe usługi AWS, zarządzanie danymi i agentów AI do tworzenia kodu
Benefity
- Świadczenia obejmują płatny czas wolny, ubezpieczenie i konkurencyjne wynagrodzenie
- Płatny czas wolny
- Ubezpieczenie