Ingeniero de Datos en ML (Senior/Principio/Líder)

Este es un puesto híbrido ubicado en nuestras oficinas de Palo Alto o San Francisco y requerirá que estés en la oficina los martes y jueves.

¿Qué tiene de interesante este puesto?

En Grindr creemos que la IA puede revolucionar la industria de las citas. Nuestro líder de Ingeniería de Datos es responsable de construir conjuntos de datos de ML de alta calidad a gran escala, utilizados para entrenar modelos de ML que potencian las características centradas en la IA. En este papel crucial, tendrás la oportunidad de construir herramientas y tuberías de datos fundamentales para ingerir, normalizar y limpiar los valiosos datos que serán fundamentales para que nuestros ingenieros de ML en Grindr construyan herramientas de IA, incluyendo recomendaciones, LLMs, anuncios, búsqueda visual, crecimiento/notificaciones, confianza y seguridad.

¿Cuál es el trabajo?

Estamos buscando un extraordinario ingeniero de datos apasionado por los datos para la IA y los valores que puede aportar a Grindr, que le encanta trabajar con operaciones de datos a gran escala; y que está comprometido con el arduo trabajo necesario para mejorar continuamente nuestras tuberías de datos de ML.

En este puesto, serás responsable de establecer y ejecutar la estrategia para nuestro Motor de Datos de ML de la organización, con un enfoque inicial en las operaciones de datos de ML ágiles. Esto incluye la identificación de los componentes de infraestructura y la pila de datos a utilizar, el diseño e implementación de tuberías entre sistemas y equipos de datos, flujos de trabajo de automatización, herramientas de enriquecimiento y monitoreo de datos, todo para los modelos de IA. Como líder técnico especializado en ingeniería de datos, se espera que codifiques y contribuyas a la pila.

Responsabilidades:

• Sumérgete en nuestro conjunto de datos y diseña, implementa y escala las tuberías de pre/post procesamiento de datos de los modelos de ML
• Trabaja en soluciones de ML aplicadas en las áreas de minería de datos, limpieza, normalización y modelado
• Se autónomo en la búsqueda de soluciones cuando el camino correcto no siempre es conocido
• Colabora con ingenieros en la conceptualización, planificación e implementación de iniciativas de ingeniería de datos trabajando con diferentes interesados
• Diseña y construye plataformas y estructuras de datos para el procesamiento de grandes volúmenes de datos, en tiempo real y por lotes, que se utilizarán en equipos de ingeniería
• Construye flujos de procesamiento de datos para la limpieza y modelado de datos de texto para LLMs
• Investiga y evalúa nuevas tecnologías en el espacio de los big data para guiar nuestra mejora continua
• Colabora con equipos multifuncionales para ayudar a afinar el rendimiento de las aplicaciones de grandes datos
• Trabaja con el equipo de Privacidad y Seguridad en iniciativas de gobernanza de datos, riesgo y cumplimiento
• Trabaja en iniciativas para garantizar la estabilidad, el rendimiento y la fiabilidad de nuestra infraestructura de datos

Lo que nos encantará de ti

• Bachillerato en Ciencias de la Computación, Matemáticas, Física, o campos relacionados
• 5+ años de experiencia como ingeniero de datos construyendo tuberías de pre/procesamiento de datos a nivel de producción para modelos ML/DL, incluyendo 2+ años de experiencia en liderazgo técnico
• Experiencia en análisis estadístico y visualización en conjuntos de datos usando Pandas o R
• Experiencia en diseño y construcción de sistemas altamente disponibles, de extracción, ingestión, normalización y procesamiento de grandes conjuntos de datos en tiempo real y por lotes, que se utilizarán en equipos de ingeniería utilizando marcos de trabajo de orquestación como Airflow, KubeFlow u otras herramientas de tuberías
• Experiencia previa demostrada en la creación de tuberías de datos para conjuntos de datos de texto NLP/modelos de lenguaje grande
• Capacidad para producir software bien diseñado, incluyendo conjuntos de pruebas automatizadas apropiadas, documentación técnica y estrategia operativa
• Excelentes habilidades de codificación en Python, Java, bash, SQL y experiencia con control de versiones Git
• Experiencia utilizando tecnologías de big data (Snowflake, Airflow, Kubernetes, Docker, Helm, Spark, pySpark)
• Experiencia con cualquier entorno de nube pública - AWS, GCP o Azure
• Experiencia significativa con bases de datos relacionales y autoría de consultas (SQL) así como bases de datos NoSQL como DynamoDB, etc.
• Experiencia en la construcción y mantenimiento de (manejo de tuberías ETL de alta calidad y confiables)

Nos desmayaremos si tienes

• 2+ años de experiencia en liderazgo técnico en la construcción de tuberías de ingeniería de datos para la IA
• Experiencia previa en la construcción de tuberías de datos para APIs de IA conversacional y sistemas de recomendación
• Experiencia con sistemas distribuidos y microservicios
• Experiencia con Kubernetes y construcción de imágenes Docker

• Experiencia con la construcción de sistemas de procesamiento de flujos, utilizando soluciones como Kafka, Storm o Spark-Streaming
• Fuertes conocimientos de temas aplicados de aprendizaje automático
• Familiaridad con el cumplimiento legal (con herramientas de gestión de datos) clasificación de datos y retención
• Historial consistente de gestión e implementación de proyectos de datos complejos