Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

Staff Engineer, Machine Learning & Data Infrastructure

PrincipalofficeAPAC; Singapore, Singapore, SGheute
Markteinblicke
📊 Architecture: Gehälter und Nachfrage am Markt
Stack
c++clouddatabricksdelta lakeflinkgojavakafkamlflowpythonsagemakerscala
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Laden Sie Ihren Lebenslauf hoch — Arbeitgeber und Recruiter aus verschiedenen Ländern, die Ihr Profil suchen, können Sie direkt kontaktieren.
Lebenslauf senden →

Beschreibung

Staff Engineer, Machine Learning & Data Infrastructure

We are looking for an experienced engineer to lead the architecture and hands-on development of the ML and data infrastructure behind our risk and fraud prevention systems. You will help teams move models from experimentation into reliable production services, improve model execution performance, and build scalable data foundations for training, evaluation, and real-time decisions.

Aufgaben

Responsibilities

  • Improve model inference latency, throughput, resource utilization, and cost. Profile the full prediction path—from feature retrieval and preprocessing to model execution—and deliver measurable improvements without unacceptable model-quality regressions.
  • Build reusable infrastructure for model packaging, versioning, deployment, serving, monitoring, and rollback across cloud platforms and regions.
  • Design and optimize offline data pipelines on Databricks, Apache Spark, and warehouse/lakehouse technologies, addressing data modeling, partitioning, joins, shuffles, skew, incremental processing, and cost.
  • Connect offline and online feature pipelines, ensuring point-in-time correctness, consistent feature definitions, freshness, lineage, and reproducible backfills.
  • Evolve reliable feature services and data integrations supporting risk models and decision systems.
  • Set technical direction, mentor engineers, and lead delivery across ML, data engineering, cloud infrastructure, security, and product teams.

Required qu

Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet. Senden Sie Ihren Lebenslauf — dann können Arbeitgeber Sie direkt kontaktieren.
Dringende Frage? Schreiben Sie @termdocs