Estados Unidos
Nominal
The Walt Disney Company
Engenheiro Sênior de Machine Learning - ESPN
RemotoEstados Unidos
Glendale, California, United States · San Francisco, California, United States · New York, New York, United States · California, United States
PythonJavaAWSKubernetesC++Go
Tradução automática. Consulte o original.
Título da Vaga: Engenheiro Sênior de Machine Learning - ESPN
ID da Requisição: 10150610
Segmento da Vaga: Engenharia de Produto
Principal Negócio da Vaga: PE - Streaming Backend
Categoria Principal da Vaga: Machine Learning
Tipo de Emprego: Tempo integral
Cidade Principal, Estado, Região, Código Postal: Glendale, CA, EUA
Cidade Alternativa, Estado, Região, Código Postal: EUA - CA - Market St, EUA - NY - 7 Hudson Square
Data da Publicação: 2026-06-05
Descrição da Vaga
Disney Entertainment & ESPN Technology Em qualquer dia na Disney Entertainment & ESPN Technology, estamos reimaginando formas de criar experiências mágicas de visualização para as histórias mais amadas do mundo, ao mesmo tempo em que transformamos o negócio de mídia da Disney para o futuro. Seja evoluindo nossos produtos de streaming e digitais de formas novas e imersivas, impulsionando a publicidade e distribuição mundial para maximizar a flexibilidade e eficiência, ou entregando o entretenimento e conteúdo esportivo incomparáveis da Disney, cada dia é um momento para fazer a diferença para parceiros e centenas de milhões de pessoas ao redor do mundo.
Alguns motivos pelos quais achamos que você adoraria trabalhar na Disney Entertainment & ESPN Technology
- Construindo o futuro do negócio de mídia da Disney: Os Tecnólogos da DE&E estão projetando e construindo a infraestrutura que impulsionará os negócios de mídia, publicidade e distribuição da Disney nos próximos anos.
- Alcance e Escala: Os produtos e plataformas que este grupo constrói e opera encantam milhões de consumidores a cada minuto do dia – desde Disney+ e Hulu, até ABC News and Entertainment, até ESPN e ESPN+, e muito mais.
- Inovação: Desenvolvemos e executamos produtos e técnicas inovadoras que definem normas da indústria e aprimoram a forma como o público vivencia esportes, entretenimento e notícias.
Product Engineering é uma equipe unificada responsável pela engenharia dos produtos e plataformas digitais e de streaming da Disney Entertainment & ESPN. Isso inclui engenharia de produto, engenharia de mídia, garantia de qualidade, engenharia por trás de personalização, comércio, ciclo de vida e identidade.
Resumo da Vaga
A ESPN está investindo em infraestrutura de dados em larga escala e plataformas de processamento em tempo real que impulsionam a personalização de próxima geração e experiências de esportes ao vivo. Como Engenheiro de Machine Learning, você se concentrará na construção e operação de infraestrutura de dados distribuída e de ML que suporta processamento de dados de alto volume e baixa latência, e casos de uso de ML em tempo real. Nesta função, você trabalhará em estreita colaboração com MLEs seniores, engenheiros de dados, engenheiros de plataforma/SRE e equipes de produto para desenvolver pipelines de dados de streaming, sistemas de computação de recursos e serviços adjacentes a ML que operam de forma confiável em escala. A função enfatiza engenharia prática, fundamentos sólidos em sistemas distribuídos e experiência prática na operação de infraestrutura de dados de produção.
Responsabilidades e Deveres da Função
1) Sistemas de Processamento de Dados em Larga Escala e Streaming
- Construir e manter pipelines de dados batch e de streaming de alto volume para suportar casos de uso de ML, análise e tomada de decisão em tempo real.
- Implementar fluxos de trabalho de ingestão, enriquecimento, agregação e transformação de dados usando frameworks de dados distribuídos modernos.
- Garantir que os pipelines atendam aos requisitos de latência, confiabilidade e qualidade de dados para equipes de ML e de produto a jusante.
2) Infraestrutura de Dados e Recursos em Tempo Real
- Desenvolver e operar sistemas que suportam computação de recursos em tempo real e entrega para serviços de ML online.
- Trabalhar com feature stores e arquiteturas orientadas a eventos para garantir a consistência entre dados offline e online.
- Melhorar a atualidade dos dados, a evolução do esquema e a compatibilidade com versões anteriores em ambientes de streaming.
3) Infraestrutura Adjacente a ML e Engenharia de Plataforma
- Construir e operar serviços adjacentes a ML, como entradas de inferência, APIs de recursos e camadas de acesso a dados.
- Contribuir para padrões de serviço escaláveis, incluindo autoescalonamento, estratégias de implantação e mecanismos de resiliência. *
- Colaborar com equipes de plataforma/SRE para melhorar a disponibilidade, desempenho e eficiência de custo do sistema.
4) Confiabilidade, Observabilidade e Operações
- Instrumentar a infraestrutura de dados e ML com métricas, logs e alertas para suportar operações de produção.
- Participar de rotações de plantão e resposta a incidentes para plataformas de dados e ML.
- Identificar e remediar falhas em pipelines de dados, regressões de desempenho e riscos operacionais.
3) Colaboração e Execução de Engenharia
- Colaborar com equipes de ML aplicada e ciência de dados para habilitar fluxos de trabalho de ML em produção por meio de sistemas de dados confiáveis.
- Participar de revisões de design, revisões de código e discussões técnicas.
- Seguir os padrões de plataforma estabelecidos e contribuir com melhorias incrementais ao longo do tempo.
Educação, Experiência/Habilidades/Treinamento Requeridos
Qualificação Básica
- Experiência na construção e operação de sistemas de dados ou ML em larga escala em produção.
- Fundamentos sólidos em sistemas distribuídos e arquiteturas de processamento de dados.
- Experiência prática com tecnologias de streaming e batch de dados (por exemplo, Kafka, Kinesis, Spark, Flink ou equivalente).
- Proficiência em Python e conhecimento prático de Java, Scala, Go ou C++.
- Experiência na operação de sistemas em ambientes nativos da nuvem (AWS, contêineres, Kubernetes, ferramentas de IaC).
- Familiaridade com observabilidade e melhores práticas operacionais para sistemas de produção.
- Fortes habilidades de colaboração e capacidade de trabalhar efetivamente em equipes de engenharia e dados.
Experiência com
- 5+ anos de experiência na indústria construindo sistemas intensivos em dados ou adjacentes a ML em produção.
Educação Requerida
- Bacharelado ou Mestrado em Ciência da Computação, Engenharia de Dados, Machine Learning ou área relacionada.
Qualificação Preferencial
- Experiência no suporte a sistemas de personalização, recomendação ou análise em tempo real.
- Familiaridade com feature stores, arquiteturas orientadas a eventos e pipelines de ML em tempo real.
- Exposição a conceitos de infraestrutura de ML, como pipelines de inferência, validação de dados e ferramentas de ciclo de vida de modelos.
- Experiência na otimização de sistemas de dados para latência, volume e eficiência de custo.
- Compreensão de plataformas de experimentação e instrumentação de dados para sistemas online.
A faixa salarial para esta posição em Nova York, NY é de US$ 148,700 - US$ 199,400 por ano e em Glendale, CA é de US$ 141,900 - US$ 190,300 por ano. O salário base efetivamente oferecido levará em consideração a equidade interna e também pode variar dependendo da região geográfica do candidato, conhecimento, habilidades e experiência relacionados ao trabalho, entre outros fatores. Um bônus e/ou unidades de incentivo de longo prazo podem ser fornecidos como parte do pacote de remuneração, além da gama completa de benefícios médicos, financeiros e/ou outros, dependendo do nível e da posição oferecida.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil