Ingeniero/a de Datos Senior - Infraestructura de IA
Empresa de infraestructura financiera busca un/a Ingeniero/a de Datos Senior para diseñar y mantener pipelines de datos de streaming y feature stores que potencien modelos de IA en producción.
Si te copa la idea de laburar en infraestructura financiera y potenciar modelos de IA en producción, este puesto remoto es para vos. Vas a diseñar y mantener pipelines de datos de streaming y feature stores, clave para el futuro de las finanzas abiertas.
Descripción del puesto
BUILDING THE FUTURE OF OPEN FINANCE Payward, la empresa matriz detrás de Kraken, NinjaTrader, Breakout, xStocks, Payward Services y CF Benchmarks, ha pasado los últimos 15 años construyendo una de las plataformas de infraestructura financiera más modernas y accesibles a nivel mundial en la industria, diseñada para avanzar en un sistema financiero abierto y global. Antes de postularte, te animamos a explorar nuestra página de cultura https://www.kraken.com/culture para entender qué nos impulsa y cómo trabajamos. PROOF OF WORK EL EQUIPO Fundada en 2011, Kraken es una de las plataformas de criptomonedas más antiguas del mundo, en la que confían más de 10 millones de personas e instituciones en todo el mundo. Ofrece trading spot, margen, futuros, staking y servicios OTC, con productos diseñados tanto para inversores individuales como para clientes institucionales. El equipo de Infraestructura de IA construye y opera los sistemas de producción que potencian agentes inteligentes a escala. Este equipo se encuentra en la base de la plataforma de agentes, asegurando que las capas de inferencia de modelos, orquestación y ejecución sean confiables, observables y de alto rendimiento bajo carga del mundo real. LA OPORTUNIDAD - Ser responsable y evolucionar pipelines de datos de streaming que potencian la inferencia en vivo y el servicio de modelos en tiempo real en toda la infraestructura de IA de Kraken. - Diseñar y construir feature stores que sirvan features de baja latencia y alta confiabilidad a modelos de ML en producción. - Implementar y mantener sistemas de streaming utilizando RisingWave, Apache Flink o Kafka Streams, seleccionando la herramienta adecuada para la carga de trabajo. - Colaborar con ingenieros de ML y equipos de infraestructura de IA para definir contratos de datos, esquemas de features y SLAs de pipelines. - Impulsar los pipelines hacia el tiempo real donde hoy existe batch, reduciendo la latencia de horas a segundos. - Asegurar la calidad de los datos, la observabilidad y la auditabilidad en todos los sistemas de streaming y feature engineering. - Contribuir a las herramientas de pipelines de inferencia donde la ingeniería de datos y el servicio de modelos se cruzan. - Evaluar tecnologías emergentes de streaming y feature stores y dar forma a la hoja de ruta técnica del equipo. QUÉ APORTÁS - Más de 5 años en ingeniería de datos, con al menos 2 años enfocados en sistemas de streaming en producción. - Experiencia práctica con RisingWave, Apache Flink, Kafka Streams o frameworks comparables de procesamiento de streams. - Sólida comprensión del diseño de feature stores: consistencia online/offline, corrección point-in-time, servicio de baja latencia. - Experiencia en la construcción de pipelines de datos que alimentan modelos de ML en producción o sistemas de inferencia. - Dominio de Python y/o Scala; fluidez en SQL requerida. - Familiaridad con frameworks de calidad de datos, observabilidad de pipelines y propiedad de SLAs. - Comodidad operando en un entorno de ritmo rápido y ambiguo, integrado en un equipo enfocado en IA. DESEABLES - Experiencia directa con RisingWave en producción. - Exposición a la arquitectura de pipelines de inferencia o infraestructura de servicio de modelos. - Experiencia con plataformas de features. - Experiencia en el dominio de criptomonedas o fintech. Salvo que se indique un plazo específico en la publicación del empleo, las postulaciones se aceptan de forma continua. Por favor, tené en cuenta que se permite a los postulantes tachar o eliminar información de su CV que identifique la edad, fecha de nacimiento o fechas de asistencia o graduación de una institución educativa. Consideramos postulantes calificados con antecedentes penales para empleo en nuestro equipo, evaluando a los candidatos de manera consistente con los requisitos de la Ordenanza de Oportunidades Justas de San Francisco. Payward está impulsado por personas de todo el mundo y celebramos los diversos talentos, antecedentes, contribuciones y perspectivas únicas que cada uno aporta. Contratamos por mérito, buscando personas con las habilidades, conocimientos y capacidades adecuadas para el puesto. Te animamos a postularte a roles donde no cumplas completamente con los requisitos enumerados, especialmente si te apasiona o tenés conocimientos sobre criptomonedas. Podríamos pedir a los candidatos que completen evaluaciones de habilidades laborales o de estilo de trabajo como parte de nuestro proceso de contratación. Estas evaluaciones miden competencias relevantes para el rol y se aplican de manera consistente entre los candidatos para puestos similares. Los resultados se consideran junto con la experiencia y las entrevistas, y no son la única base para ninguna decisión de empleo. Como empleador que ofrece igualdad de oportunidades, no toleramos la discriminación o el acoso de ningún tipo, ya sea por motivos de raza, etnia, edad, identidad de género, ciudadanía, religión, orientación sexual, discapacidad, embarazo, condición de veterano o cualquier otra característica protegida según las leyes federales, estatales o locales. Mantente informado Seguinos en Twitter https://twitter.com/krakenfx Leé el Blog de Kraken https://blog.kraken.com/#:~:text=Enter%20your%20email%20address Conectate en LinkedIn https://www.linkedin.com/company/kraken-exchange/ Aviso de Privacidad del Candidato https://www.kraken.com/legal/candidate-privacy-notice
Responsabilidades
- Diseñar y construir feature stores
- Implementar y mantener sistemas de streaming
- Colaborar con ingenieros de ML y equipos de infraestructura de IA
- Garantizar la calidad de los datos, la observabilidad y la auditabilidad
- Contribuir a herramientas de pipelines de inferencia
- Evaluar tecnologías emergentes