Dveloppeurse principale Plateforme infonuagique - DataML
Dveloppeurse principale Plateforme infonuagique - DataML
Employer Active
Job Alert
You will be updated with latest job alerts via email
Share
Job Alert
You will be updated with latest job alerts via email
Job Description
propos de lquipe:
Nous sommes la recherche dune dveloppeurse principale de plateforme infonuagique pour rejoindre notre quipe et faire progresser notre plateforme de dmocratisation des donnes. Dans ce rle vous concevrez mettrez en uvre et grerez notre infrastructure de donnes base sur le cloud et nos pipelines de dploiement sur AWS. Combinant une expertise en ingnierie des donnes et en ingnierie de lapprentissage automatique vous vous concentrez sur la construction de pipelines volutifs de composants rutilisables et de capacits en libreservice. En tirant parti dune pile AWS robuste et doutils innovants vous donnerez aux quipes de domaine les moyens de fournir de manire indpendante des solutions de donnes et dapprentissage automatique percutantes.
Why join us:
Construire concevoir et maintenir des composants de plateforme pour soutenir les flux de travail dingnierie des donnes et les pipelines dapprentissage automatique permettant lvolutivit et le libreservice pour les quipes de domaine;
Dvelopper des pipelines CI/CD robustes laide de Jenkins pour une intgration et un dploiement transparents des donnes et des flux de travail de ML;
Concevoir et mettre en uvre des pipelines de donnes volutifs en temps rel et par lots en utilisant AWS S3 Glue Lambda Step Functions Redshift et Lake Formation;
Collaborer avec les quipes du domaine pour concevoir des produits de donnes spcifiques au domaine qui sont fiables rutilisables et aligns sur les principes de Data Mesh;
Concevoir et dployer des pipelines de ML laide doutils tels que MLflow Bedrock et SageMaker pour soutenir le dveloppement la formation et le dploiement de modles de bout en bout.
Qualifications :
Comment exceller dans ce rle
Un minimum de 5 7 ans dexprience en ingnierie des donnes en ingnierie ML ou dans un domaine connexe incluant un minimum de 3 ans dexprience avec Apache Spark pour le traitement des big data;
Comprhension approfondie des principes du Data Mesh y compris la proprit des produits de donnes oriente vers le domaine et la gouvernance fdre ainsi quune comprhension approfondie du cycle de vie de lapprentissage automatique;
Matrise de la conception et de la construction de pipelines utilisant des services AWS tels que S3 Glue Lambda Redshift Athena SageMaker et Kinesis combin une forte exprience des pipelines CI/CD notamment laide de Jenkins;
Connaissance approfondie du langage de programmation Python et de ses bibliothques de manipulation de donnes (Pyspark Pandas et Numpy).
Ce qui vous distingue :
Analytique et souci du dtail : Grande capacit danalyse avec une forte attention aux dtails et un tat desprit ax sur les solutions pour relever efficacement les dfis.
Encadrement et mentorat : Aptitude encadrer et mentorer les employes juniores pour soutenir leur dveloppement personnel et professionnel.
Responsabilit et prise en charge : Fait preuve dun fort esprit dquipe dune grande responsabilit et dune prise en charge des tches et des projets.
Adaptabilit et influence : Capacit conduire le changement influencer les autres et spanouir dans un environnement dynamique avec des technologies web en constante volution.
Informations supplmentaires :
Ce que nous offrons:
- Assurance sant et dentaires et plans de sant mentale.
- Programme parental
- Rabais sur le ssense.com
- Rgime dpargne et de retraite
- Couverture de laffirmation du genre
- La chance de travailler avec des technologies de pointe et une quipe innovante
SSENSE est un employeur qui souscrit au principe de lgalit des chances. Nous clbrons la diversit et nous nous engageons crer un environnement inclusif pour tous les employs. Si vous avez besoin damnagements particuliers faitesle nous savoir. Nous ferons de notre mieux pour vous satisfaire !
#LIHybride #SSENSEFR
Hybride
Remote Work :
No
Employment Type :
Fulltime
Employment Type
Full-time
