Lead Data Engineer / ML
Role details
Job location
Tech stack
Job description
Tu intégreras l'équipe Discovery (basée majoritairement à Berlin). Ta mission sera d'optimiser les moteurs de recherche, de ranking (modèles Learning to Rank) et de recommandation. Dans une phase stratégique de transformation "Buy vs Build", tu feras le pont entre la Data Science pure et le Machine Learning Engineering pour garantir le déploiement opérationnel des modèles.
Tes missions :
- Conception & Optimisation : Construire des pipelines ML end-to-end pour la recherche sémantique, la personnalisation et le ranking produit.
- Industrialisation & MLOps : Collaborer avec les ingénieurs backend pour déployer des solutions en production. Contribuer à l'architecture du Feature Store et automatiser le ré-entraînement des modèles (CI/CD for ML).
- Stratégie & R&D : Prendre le leadership sur les choix techniques (algorithmes, transformations de données) et participer activement aux évaluations "sandbox" pour définir le futur technologique de la recherche.
- Expertise Data : Maîtriser l'ingestion et le calcul de features via Snowflake et dbt.
Tes livrables :
- Modèles de ranking et recommandation optimisés.
- Pipelines de monitoring et rapports de tests A/B.
- Documentation technique des choix d'architecture et des POC réalisés.
Requirements
Ton expérience : Tu as un solide historique de projets ML mis en production avec un impact mesurable. Tu es à l'aise dans ce rôle hybride entre Data Scientist et ML Engineer.Tes Hard Skills : Maîtrise de Python, SQL et Statistiques. Expertise sur les frameworks PyTorch ou TensorFlow et les outils d'orchestration (AWS SageMaker, Airflow, FastAPI). Une maîtrise de dbt, Snowflake, Docker et Kubernetes est indispensable.Ton état d'esprit : Excellente communication pour naviguer dans des discussions architecturales complexes et changeantes. Tu es orienté "produit" et impact business., * Ton expérience : Tu as un solide historique de projets ML mis en production avec un impact mesurable. Tu es à l'aise dans ce rôle hybride entre Data Scientist et ML Engineer.
- Tes Hard Skills : Maîtrise de Python, SQL et Statistiques. Expertise sur les frameworks PyTorch ou TensorFlow et les outils d'orchestration (AWS SageMaker, Airflow, FastAPI). Une maîtrise de dbt, Snowflake, Docker et Kubernetes est indispensable.
- Ton état d'esprit : Excellente communication pour naviguer dans des discussions architecturales complexes et changeantes. Tu es orienté "produit" et impact business.