資深資料工程師，資料與分析 – 浦那混合辦公
負責 Pattern Bioscience 的廣告最佳化資料系統，包括特徵儲存庫與機器學習推論工作流程。 維護市場廣告 API 的可靠且經過品質控管的競價與預算更新。
說明
- 建置、部署並支援可擴充的自動化批次管線，將多元來源的資料擷取至湖倉
- 管理並強化 Airflow 編排的每日及每 15 分鐘執行的多 DAG 工作流程，涵蓋相依性、重試、回填、完整重新整理與安全重跑
- 運用寬表連接、視窗函數、增量合併、倉儲規模配置與查詢剖析，開發並最佳化分析 SQL
- 將特徵與標籤加入特徵儲存庫，同時維持既有的資料洩漏防護與資料完整性標準
- 透過 Airflow 協調 SageMaker 模型訓練與批次推論，包括資料集、S3 與 Parquet 傳輸、訓練映像檔、執行個體規模、預測結果與指標
- 建立資料稽核方法，並在外部寫入前執行阻斷式品質檢查
- 診斷並解決大規模資料處理問題、調查故障並參與值班分流
- 確保市場更新具備冪等性、新資料偵測、操作驗證、失效處理與稽核軌跡
- 與資料科學家、廣告策略師及平台工程團隊合作
- 將 ROAS 目標、預算節奏、操作手冊規則與廣告策略轉化為可靠的資料模型與管線
- 負責指定領域的資料品質，並與資料基礎架構團隊協調問題解決
- 指導資料工程師、提供技術建議，並審查 SQL 與 DAG 變更
職位要求
- 資料科學、資料分析、資訊管理、電腦科學、資訊科技、相關領域的學士學位，或同等專業經驗
- 至少四年整體專業工作經驗
- 至少四年 SQL 與 Python 實務開發經驗，包括進階 SQL
- 至少三年在現代資料架構上建置正式環境資料管線的經驗
- 至少兩年使用 Snowflake、Amazon Redshift 或 BigQuery 等雲端資料倉儲的經驗
- 具備工作流程編排器的專業經驗；強烈優先考慮 Airflow
- 具備透過 SageMaker 或同類平台排程機器學習訓練與批次推論的經驗
- 了解應用機器學習概念，包括資料集建構、洩漏、評估指標與模型生命週期作業
- 具備實務 AWS 經驗，包括至少 S3 與 IAM，並熟悉欄式檔案格式
- 透過測試、監控、告警與根本原因分析，展現對資料品質的負責
- 具備良好的軟體工程與腳本實作，包括版本控制、程式碼審查與模組化開發
- 具備出色的溝通與跨職能協作能力
- 能夠領導並指導資料工程團隊
- 具備數位廣告、進階 Snowflake、時間序列資料、大數據、資料品質框架、分散式資料平台、其他 AWS 服務、資料治理與 AI 程式設計代理經驗者優先
福利待遇
- 福利包括帶薪休假、保險與具競爭力的薪酬
- 帶薪休假
- 保險