Igazgató, analitikai engineering (2 pozíció)

Stack

Feladatok

• ▹Intelligens, önjavító adatpipeline-ok tervezése és megvalósítása, amelyek AI/ML-t alkalmaznak automatizált adatminőség-ellenőrzésre, anomáliadetektálásra és hibaelhárításra
• ▹Központosított feature store-ok építése és karbantartása a modellek és felhasználási esetek közötti funkció-újrafelhasználhatóság érdekében
• ▹Adattudományi/AI munkafolyamatokra optimalizált tárolók létrehozása, beleértve a tanító-, kiértékelő- és éles kiszolgáló adatkészleteket
• ▹Automatizált feature engineering pipeline-ok fejlesztése, amelyek a nyers adatokat elemzésre kész, származási lánccal ellátott jellemzőkké alakítják
• ▹Együttműködés a vállalati IT-vel az analitikai platform architektúrájának optimalizálásában a nagy teljesítményű adattudományi munkaterhelésekhez
• ▹Automatizált pipeline-ok építése, amelyek sokféle adatforrást integrálnak: értékesítés, CRM, betegigények, valós idejű bizonyítékok, strukturálatlan adatok
• ▹Önkiszolgáló adathozzáférési rétegek kialakítása, amelyek lehetővé teszik az adattudósok és elemzők számára az önálló lekérdezést és adatkinyerést
• ▹SLA-k meghatározása az adatok elérhetőségére, frissességére és minőségére; monitoring és megfigyelhetőségi megoldások bevezetése

Elvárások

• ▹Felsőfokú végzettség számítástechnika, adatmérnöki vagy kapcsolódó területen
• ▹7+ év tapasztalat adatmérnöki, ML/AI mérnöki vagy analitikai infrastruktúra területen
• ▹5+ év csapatvezetői tapasztalat vállalati szintű adatplatformok és feature store-ok építésében
• ▹Szakértői szintű ismeretek feature store technológiákban (Feast, Tecton, SageMaker Feature Store, Databricks Feature Store)
• ▹Mély jártasság az ML-munkaterhelésre optimalizált modern adatplatformokban (Databricks, Auto ML, Snowflake, BigQuery)
• ▹Erős Python, SQL, Spark/PySpark ismeretek nagy méretű adatfeldolgozáshoz
• ▹Tapasztalat adat-orchesztrációs eszközökkel (Airflow, Prefect, dbt) és adatpipeline CI/CD-vel
• ▹Adatkormányzási, adatvédelmi (HIPAA, GDPR) és megfelelőségi ismeretek az élettudományi szektorban

Előny

• ▹Bizonyított tapasztalat AI/ML-alapú automatizálás bevezetésében adatmérnöki munkafolyamatokban
• ▹Stratégiai gondolkodás, amely egyensúlyt teremt az innováció (élvonalbeli AI-eszközök) és a megbízhatóság (éles üzemi stabilitás) között
• ▹Építő szemlélet, amely skálázható, önkiszolgáló képességeket hoz létre, csökkentve az adatmérnöki csapattól való függést

Soft skillek