Portugal
NOS
ARRISE
Data Scientist - RecSys
Portugal
Portugal
PythonSQLPostgreSQLAWSGCPDocker
Automatische Übersetzung. Prüfe das Original.
ÜBER UNS
ARRISE setzt den Maßstab für Servicebereitstellung und Exzellenz in der iGaming-Branche. ARRISE spielt eine Schlüsselrolle für den Erfolg seiner Kunden, zu denen Pragmatic Play gehört, eine Marke, auf die sich die größten Online-Casinos der Welt für ihre hochmodernen Produkte verlassen, und trägt dazu bei, außergewöhnliche Spielerlebnisse für Millionen von Spielern weltweit zu liefern.
Unser globales Team von über 12,000 talentierten und engagierten Fachleuten gestaltet die Zukunft des iGaming. Mit Hauptsitz in Gibraltar verfügen wir über Niederlassungen in Kanada, Indien, auf der Isle of Man, in Lettland, Malta, Rumänien, Serbien, Bulgarien und den VAE sowie über weitere spannende Ziele am Horizont.
Bei ARRISE sind wir stolz darauf, Wachstumschancen auf allen Ebenen zu schaffen, ständig in unsere Mitarbeiter zu investieren, neue Kollegen willkommen zu heißen und strategische Partnerschaften zu schmieden, die neue Erfolgschancen eröffnen.
Um dies zu erreichen, setzen wir auf uns selbst. Wir wissen, dass Erfolg eine kollektive Anstrengung ist, und unser Team wird von Ehrgeiz, Zusammenarbeit und einem gemeinsamen Engagement für Wachstum und Erfolg angetrieben – und das alles bei gleichzeitiger Umarmung jedes Schrittes der Reise.
Seien Sie Teil der Zukunft des iGaming mit 12,000 ARRISERS! Sehen Sie eine Stelle, die Sie begeistert? Bewerben Sie sich jetzt, und unser freundliches Rekrutierungsteam wird sich bald mit Ihnen in Verbindung setzen. Ihre Reise beginnt hier.
WAS SIE TUN WERDEN
- Entwerfen, implementieren und optimieren Sie End-to-End-Empfehlungs-Pipelines, von der Datenerfassung bis zur Modellinferenz.
- Erstellen und pflegen Sie skalierbare ETL-Pipelines zur Unterstützung zuverlässiger und effizienter Datenflüsse.
- Entwickeln, bewerten und verbessern Sie kontinuierlich ML-Modelle für Empfehlungssysteme.
- Recherchieren, prototypisieren und implementieren Sie State-of-the-Art (SOTA)-Ansätze, um die Empfehlungsqualität zu verbessern und wichtige Geschäftsmetriken zu steigern.
- Skalieren und optimieren Sie Daten- und Modell-Pipelines, um große Datenmengen und Echtzeit- oder Batch-Verarbeitungsanforderungen zu bewältigen.
- Integrieren Sie multimodale Daten (z. B. Verhaltens-, Transaktions- und kontextbezogene Signale) aus verschiedenen Systemen in Empfehlungsmodelle.
- Stellen Sie Robustheit und Stabilität von Pipelines sicher, indem Sie Unit- und Integrationstests über Daten-, Modellierungs- und Bereitstellungsworkflows hinweg implementieren.
- Überwachen und warten Sie die End-to-End-Systemleistung, einschließlich Datenpipelines, Modellqualität und nachgelagerter Auswirkungen.
- Entwerfen und analysieren Sie A/B-Tests, um die Modellleistung zu bewerten und datengesteuerte Produktentscheidungen zu unterstützen.
- Erstellen Sie Dashboards und Observability-Tools, um Modellmetriken, Systemzustand und Business-KPIs zu verfolgen.
- Arbeiten Sie eng mit Data Engineers, Software Engineers und Stakeholdern zusammen, um skalierbare, produktionsreife Lösungen zu liefern.
WAS WIR VON IHNEN VERLANGEN
- Bachelor- oder Master-Abschluss in Informatik, Ingenieurwesen oder einem verwandten Fachgebiet
- Umfangreiche Python-Erfahrung mit aktueller Produktionsnutzung, einschließlich praktischer Arbeit mit Data-Science- und machine learning-Bibliotheken und -Frameworks (z. B. Pandas, Polars, NumPy, scikit-learn, PyTorch, TensorFlow, JAX, Hugging Face, …)
- Erfahrung im Aufbau und der Bereitstellung von End-to-End machine learning-Systemen auf Cloud-KI-Plattformen (Azure, GCP oder AWS), von ETL-Pipelines bis hin zu Bereitstellung und Überwachung, einschließlich Modellversionierung und Experimentverfolgung, die entweder Batch- oder Echtzeit-Workflows unterstützen.
- Starkes Verständnis von deep learning-basierten Empfehlungssystemen für die Vorhersage des nächsten Elements und von analogen NLP-Architekturen, die sequentielle Muster und Kontexte modellieren.
- Nachgewiesene Erfahrung im Aufbau effizienter Datentransformations-Pipelines für transaktionale (OLTP) und analytische (OLAP) Workloads, mit fundierten Kenntnissen von SQL und NoSQL-Datenbanken (z. B. PostgreSQL, MySQL, Redshift, Snowflake, BigQuery, MongoDB, Cassandra).
- Erfahrung mit Unit- und Integrationstests (z. B. Pytest), CI/CD-Pipelines und Docker-basierter Containerisierung.
WAS SIE AUSZEICHNEN WIRD
- Erfahrung im Aufbau von groß angelegten Empfehlungssystemen (z. B. Kandidatengenerierung, Ranking, Retrieval, Personalisierung).
- Erfolgsbilanz von Veröffentlichungen im Bereich deep learning auf relevanten Konferenzen oder in Fachzeitschriften.
- Erfahrung mit Azure Data Factory / AWS Glue / Google Cloud Dataflow.
- Erfahrung im Entwurf und der Analyse von A/B-Tests mit einem soliden Verständnis der relevanten Bewertungsmetriken.
- Erfahrung im Entwurf und der Implementierung von Metadaten-gesteuerten Pipelines zur Skalierung automatisierter A/B-Testsysteme.
- Erfahrung in der Entwicklung multimodaler Modelle, die mehrere Datentypen integrieren (z. B. Text, Bilder, Audio).
- Erfahrung in der Anwendung von Transformer-basierten Modellen oder großen Sprachmodellen (LLMs) auf Empfehlungs- oder Personalisierungsaufgaben.
- Erfahrung mit verteiltrem Training, einschließlich Datenparallelität und Modellparallelität.
- Erfahrung mit verteilter Datenverarbeitung und Big-Data-Technologien (z. B. Spark, Hadoop, Flink, Kafka, Hive, Presto, Databricks).
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen