Experian
Longshot Systems Ltd
Senior Machine Learning Engineer
Über die Stelle
Bei Longshot Systems entwickeln wir fortschrittliche Plattformen für Sportwettenanalysen und -handel.
Unser ML-Stack basiert auf Python und nutzt moderne ML-Bibliotheken und Tools, darunter Numpy, Scipy, Pytorch, Polars, Ray, Plotly, Dash usw.
Wir stellen Machine Learning Engineers für unsere Kernteams für ML-Engineering und Pferderennen ein. Sie würden ML-Pipelines, Tools, Visualisierungen, Frameworks und Data-Engineering-Workflows entwerfen, erstellen und produktionsreif machen, um die Strategieforschung, -analyse und -entwicklung zu unterstützen. Sie würden eng mit unseren quantitativen Forschungsteams zusammenarbeiten, um Prototypen von Handelsmodellen in produktionsbereite Systeme zu verwandeln. Sie würden auch dazu beitragen, die übergeordnete Architektur unserer Strategie-Software zu gestalten, damit diese effektiv skaliert und die Handelslatenz niedrig bleibt.
Mindestanforderungen
Der ideale Kandidat verfügt über einen starken Software-Engineering-Hintergrund mit einer Erfolgsbilanz im Aufbau und der Wartung von produktionsreifen ML-Pipelines. Wir suchen Ingenieure, die mit dem Entwurf robuster Data-Engineering-Workflows, dem Aufbau zuverlässiger Tools und dem Schreiben von sauberem, wartbarem Python-Code vertraut sind. Sie sollten versiert in modernen Python-ML- und Datenverarbeitungsbibliotheken sein, mit dem Schwerpunkt auf dem Aufbau von Systemen, die skalierbar und einfach zu unterstützen sind. Kenntnisse gängiger ML-Algorithmen sind von Vorteil, aber Ihre Hauptstärke sollte im Software-Design und in der Produktionsreifmachung liegen.
- Ein Abschluss in einem quantitativen, technischen Fach (z. B. Machine Learning, Mathematik, Physik, Informatik usw.) von einer Top-Universität
- Umfangreiche Software-Engineering-Fähigkeiten und -Erfahrung, insbesondere im modernen Python-ML-Stack
- Legt Wert auf technische Exzellenz und fördert Best Practices bei anderen
- Umfangreiche Erfahrung im Entwurf und in der Wartung von ML-Pipelines und Data-Engineering-Workflows
- Vertrautheit mit modernen Engineering-Praktiken wie CI/CD, Containerisierung (z. B. Docker, Kubernetes) und automatisierten Tests
- Erfahrung mit Cloud-Plattformen (z. B. AWS, GCP oder Azure)
- Komfortable Arbeit in einer Linux-Umgebung
Unser Vorstellungsgesprächsprozess sieht wie folgt aus
Wir sind ein Hybrid-Arbeitsunternehmen, arbeiten donnerstags in unserem Londoner Büro (Farringdon) und sind den Rest der Woche flexibel. Unsere typischen Arbeitszeiten sind von 10:00 bis 18:00 Uhr britischer Zeit, Montag bis Freitag, aber wir unterstützen flexible Arbeitszeiten und vertrauen darauf, dass unser Team seine Zeitpläne selbst verwaltet, um seine Ziele zu erreichen.
- Intro-Gespräch (30 mins) - mehr über Ihren Hintergrund erfahren + die Rolle besprechen
- Technisches Interview - Python Software-Engineering-Bewertung
- Vollständiger Assessment-Tag (10:00–17:00 Uhr) - eine eintägige Programmieraufgabe, die der tatsächlichen Arbeit, die wir im Team leisten, ähneln soll
Nice to have
- Fortgeschrittene Data-Engineering-Erfahrung in Python, z. B. mit Bibliotheken wie Dagster, Prefect usw.
- Erfahrung in der Optimierung von Dataframe-Code, z. B. in Pandas oder idealerweise Polars
- Erfahrung mit machine learning-Techniken und zugehörigen Bibliotheken und Frameworks, z. B. scikit-learn, Pytorch, Tensorflow usw.
- Erfahrung in der Bereitstellung und dem Serving von ML-Modellen in der Produktion, einschließlich Modellüberwachung und Echtzeit-Inferenz
- Erfahrung im wissenschaftlichen Rechnen mit anderen Sprachen und Frameworks
- Starke allgemeine Hochleistungsrechenkenntnisse (Multithreading, Netzwerke, Profiling und Optimierung)
- Erfahrung mit C/C++
- Teilnahme am unbegrenzten Unternehmensbonusprogramm
- 10% bezuschusste Rentenbeiträge
- Private Krankenversicherung
- Langzeitkrankenversicherung
- Fitnessstudio-Mitgliedschaft
