компания "gameram" gameram – социальная сеть для тех, кто любит игры. наша цель – объединить игроков по всему миру. более 3 миллиардов уже играют в игры на телефонах, приставках или pc. наш продукт переведен на 7 языков, мы создаем площадку, где пользователи делятся эмоциями, ищут новых друзей и интересный контент. и это не просто соцсеть, а целая экосистема. gameram – это международный стартап. сейчас в команде уже больше 20 человек и мы растем. работаем в ульяновском, московском офисах и на удалёнке в 7 городах мира. сегодня мы в поиске ml-инженера, которому предстоит развитием инфраструктуры для хранения и обработки данных в соответствии с потребностями бизнеса. обеспечивать стабильность работы системы и предоставлять данные для продуктовой аналитики и ml платформы. предлагаем присоединиться к нашей команде и работать над продуктом совместно с командой ml.для продуктивной и интересной работы у нас есть: данные, аналитика, знание специфики рынка и опытная в продвижении проектов команда. мы практикуем прозрачность процессов, вовлеченность и открытый диалог. gameram – data driven компания, где все сотрудники видят изменения продуктовых метрик после каждого релиза. что нужно будет делать: развивать платформу хранения и обработки данных; внедрять новые инструменты для продуктовой аналитики и машинного обучения; решать задачи производительности и отказоустойчивости платформы; создавать новые и поддерживать существующие etl процессы; развивать систему анализа а/b экспериментов. что мы ждем от тебя: хорошее знание scala/java, python; знание принципов работы баз данных, распределенных систем хранения и обработки данных; опыт работы и понимание внутреннего устройства: spark, airflow, hadoop, hdfs, kafka, zookeeper, clickhouse, superset, redis, postgresql; разработка сервисов в высоконагруженных проектах; опыт разработки и внедрения ml компонент в продукт. будет плюсом: опыт развертки инфраструктуры на aws; опыт администрирования linux. что предлагаем: работать со сложными данными соц. сети; заниматься не только построением бордов, но и развивать ml инфраструктуру; отсутствие legacy, бюрократии и прозрачность процессов; оплачиваемое обучение, поддержка профессионального развития; официальное трудоустройство, социальные гарантии; гибкий подход к рабочему графику (удаленная работа, коворкинг или офис).
Адрес
Санкт-Петербург