États-Unis
Nominal
The Walt Disney Company
Ingénieur Senior Machine Learning - ESPN
À distanceÉtats-Unis
Glendale, California, United States · San Francisco, California, United States · New York, New York, United States · California, United States
PythonJavaAWSKubernetesC++Go
Traduction automatique. Consultez l’original.
Titre de l'offre d'emploi : Ingénieur Senior Machine Learning - ESPN
ID de la demande : 10150610
Segment de l'offre d'emploi : Product Engineering
Activité principale de l'offre d'emploi : PE - Backend Streaming
Catégorie principale de l'offre d'emploi : Machine Learning
Type d'emploi : Temps plein
Ville, État, Région, Code postal principal : Glendale, CA, USA
Ville, État, Région, Code postal alternatif : USA - CA - Market St, USA - NY - 7 Hudson Square
Date de publication : 2026-06-05
Description du poste
Disney Entertainment & ESPN Technology Chaque jour, chez Disney Entertainment & ESPN Technology, nous réinventons la manière de créer des expériences de visionnage magiques pour les histoires les plus appréciées au monde, tout en transformant l'entreprise médiatique de Disney pour l'avenir. Qu'il s'agisse d'améliorer nos produits de streaming et numériques de manière nouvelle et immersive, de gérer la publicité et la distribution mondiales pour maximiser la flexibilité et l'efficacité, ou de fournir le contenu inégalé de divertissement et de sport de Disney, chaque jour est une occasion de faire une différence pour nos partenaires et pour des centaines de millions de personnes dans le monde.
Quelques raisons pour lesquelles nous pensons que vous aimeriez travailler pour Disney Entertainment & ESPN Technology
- Construire l'avenir de l'entreprise médiatique de Disney : les technologues de DE&E conçoivent et construisent l'infrastructure qui alimentera les activités médiatiques, publicitaires et de distribution de Disney pour les années à venir.
- Portée et échelle : les produits et plateformes que ce groupe construit et exploite ravissent des millions de consommateurs chaque minute de chaque jour – de Disney+ et Hulu, à ABC News and Entertainment, à ESPN et ESPN+, et bien plus encore.
- Innovation : nous développons et exécutons des produits et des techniques révolutionnaires qui façonnent les normes de l'industrie et améliorent la façon dont les audiences vivent le sport, le divertissement et les actualités.
Product Engineering est une équipe unifiée responsable de l'ingénierie des produits et plateformes numériques et de streaming de Disney Entertainment & ESPN. Cela comprend l'ingénierie produit, l'ingénierie média, l'assurance qualité, l'ingénierie derrière la personnalisation, le commerce, le cycle de vie et l'identité.
Résumé du poste
ESPN investit dans une infrastructure de données à grande échelle et des plateformes de traitement en temps réel qui alimentent la personnalisation de nouvelle génération et les expériences sportives en direct. En tant qu'Ingénieur Machine Learning, vous vous concentrerez sur la construction et l'exploitation d'une infrastructure de données distribuée et de ML qui prend en charge le traitement de données à haut débit et à faible latence, ainsi que les cas d'utilisation de ML en temps réel. Dans ce rôle, vous travaillerez en étroite collaboration avec des MLE seniors, des ingénieurs de données, des équipes de plateforme/SRE et des équipes produit pour développer des pipelines de données en streaming, des systèmes de calcul de caractéristiques et des services adjacents au ML qui fonctionnent de manière fiable à l'échelle. Le rôle met l'accent sur l'ingénierie pratique, des bases solides en systèmes distribués et une expérience pratique de l'exploitation d'une infrastructure de données de production.
Responsabilités et tâches du rôle
1) Systèmes de traitement de données à grande échelle et de streaming
- Construire et maintenir des pipelines de données batch et streaming à haut débit pour prendre en charge les cas d'utilisation de ML, d'analyse et de prise de décision en temps réel.
- Implémenter des flux de travail d'ingestion, d'enrichissement, d'agrégation et de transformation de données en utilisant des frameworks de données distribués modernes.
- S'assurer que les pipelines répondent aux exigences de latence, de fiabilité et de qualité des données pour les équipes ML et produit en aval.
2) Données en temps réel et infrastructure de caractéristiques
- Développer et exploiter des systèmes qui prennent en charge le calcul et la livraison de caractéristiques en temps réel pour les services de ML en ligne.
- Travailler avec des magasins de caractéristiques et des architectures pilotées par événements pour assurer la cohérence entre les données hors ligne et en ligne.
- Améliorer la fraîcheur des données, l'évolution des schémas et la compatibilité ascendante dans les environnements de streaming.
3) Infrastructure adjacente au ML et ingénierie de plateforme
- Construire et exploiter des services adjacents au ML tels que les entrées d'inférence, les APIs de caractéristiques et les couches d'accès aux données.
- Contribuer à des modèles de services évolutifs, y compris l'autoscaling, les stratégies de déploiement et les mécanismes de résilience. *
- Collaborer avec les équipes de plateforme/SRE pour améliorer la disponibilité, les performances et l'efficacité des coûts des systèmes.
4) Fiabilité, Observabilité et Opérations
- Instrumenter l'infrastructure de données et de ML avec des métriques, de la journalisation et des alertes pour prendre en charge les opérations de production.
- Participer aux rotations d'astreinte et à la réponse aux incidents pour les plateformes de données et de ML.
- Identifier et corriger les défaillances des pipelines de données, les régressions de performance et les risques opérationnels.
3) Collaboration et exécution de l'ingénierie
- Collaborer avec les équipes de ML appliqué et de science des données pour permettre les flux de travail de ML en production grâce à des systèmes de données fiables.
- Participer aux revues de conception, aux revues de code et aux discussions techniques.
- Suivre les normes de plateforme établies et contribuer à des améliorations incrémentales au fil du temps.
Formation, expérience/compétences/formation requises
Qualification de base
- Expérience dans la construction et l'exploitation de systèmes de données ou de ML à grande échelle en production.
- Solides bases en systèmes distribués et architectures de traitement de données.
- Expérience pratique avec les technologies de streaming et de données batch (par exemple, Kafka, Kinesis, Spark, Flink ou équivalent).
- Maîtrise de Python et connaissance pratique de Java, Scala, Go, ou C++.
- Expérience dans l'exploitation de systèmes dans des environnements cloud natifs (AWS, conteneurs, Kubernetes, outils IaC).
- Familiarité avec l'observabilité et les meilleures pratiques opérationnelles pour les systèmes de production.
- Solides compétences en collaboration et capacité à travailler efficacement avec les équipes d'ingénierie et de données.
Expérience avec
- 5+ années d'expérience industrielle dans la construction de systèmes à forte intensité de données ou adjacents au ML en production.
Formation requise
- Licence ou Master en Informatique, Ingénierie des Données, Machine Learning, ou un domaine connexe.
Qualification préférée
- Expérience dans le support des systèmes de personnalisation, de recommandation ou d'analyse en temps réel.
- Familiarité avec les magasins de caractéristiques, les architectures pilotées par événements et les pipelines de ML en temps réel.
- Exposition aux concepts d'infrastructure ML tels que les pipelines d'inférence, la validation des données et les outils de cycle de vie des modèles.
- Expérience dans l'optimisation des systèmes de données pour la latence, le débit et l'efficacité des coûts.
- Compréhension des plateformes d'expérimentation et de l'instrumentation des données pour les systèmes en ligne.
La fourchette de rémunération pour ce poste à New York, NY est de 148,700 $ - 199,400 $ par an et à Glendale, CA est de 141,900 $ - 190,300 $ par an. Le salaire de base effectivement proposé tiendra compte de l'équité interne et pourra également varier en fonction de la région géographique du candidat, de ses connaissances, compétences et expériences liées au poste, entre autres facteurs. Un bonus et/ou des unités d'incitation à long terme peuvent être fournis dans le cadre du programme de rémunération, en plus de la gamme complète d'avantages médicaux, financiers et/ou autres, en fonction du niveau et du poste proposé.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil