机器学习数据工程师（罗马尼亚远程）
为运动员表现数据构建实时、图数据和时间序列基础设施。 为 Intetics 的美国客户提供机器学习评估和 AI 系统支持。
描述
- 构建生产级数据基础设施，以处理大量运动员表现数据和传感器数据。
- 开发并运营实时及近实时流式数据采集系统。
- 为大型时间序列数据集和运动员纵向记录设计存储与数据架构。
- 为机器学习系统和 AI 智能体提供低延迟的生产特征及衍生指标访问能力。
- 创建图模型和模式，将运动员与训练负荷、伤病、表现及结果关联起来。
- 开发数据和机器学习评估系统，以评估模型的可靠性、校准情况和实际表现。
- 维护俱乐部和客户之间的租户级数据隔离。
- 在整个平台建立数据来源追踪、数据沿袭、可审计性和可观测性。
- 与机器学习和 AI 工程师合作，利用可靠数据支持模型训练、推理和评估。
- 与运动科学家和领域专家协作，将复杂需求转化为稳健的生产系统。
- 随着平台发展，做出务实的技术和架构决策。
- 与 Intetics 的美国客户合作。
任职要求
- 至少五年全职专业软件或数据工程经验；实习、大学实习、课程作业和学术项目不计入。
- 具备大规模生产数据基础设施设计、构建和运营经验。
- 具备时间序列数据或数据库方面的丰富经验，例如 InfluxDB、TimescaleDB、Prometheus、ClickHouse 或同类技术。
- 具备使用 Kafka、Kinesis、Flink、Spark Streaming、Pulsar 或同类技术进行实时或流式数据采集的丰富经验。
- 具备图数据模型或数据库模式设计经验，不能仅限于查询或使用现有图数据库。
- 具备多租户系统设计或运营经验，并实现租户级数据隔离。
- 精通 Python 和 SQL。
- 非常希望具备 Go 的专业经验。
- 具备生产系统经验，且系统对可靠性、可扩展性、可观测性和数据准确性有严格要求。
- 能够独立负责界定不清的技术问题，并将其规划为务实的生产架构。
- 有直接与数据科学家、机器学习工程师或其他技术领域专家合作的经验。
- 具备构建概率评估、模型校准或模型监控基础设施的经验。
- 具备因果推断、反事实建模或仿真经验。
- 具备可穿戴传感器、物联网数据、生物力学、体育科技或其他高频遥测数据经验。
- 具备构建知识图谱或领域专用本体的经验。
- 具备 LLM 或 AI 评估框架经验，并了解其局限性。
- 具备 AWS 服务经验，例如 ECS、EC2、Lambda、SNS、SQS 或相关工具。
- 具备 GraphQL、REST、gRPC、Postgres、MongoDB 或类似技术经验。
- 英语水平达到 B2 或以上。
- 必须居住在欧盟。
