Vereinigte Staaten
The MITRE Corporation
The Walt Disney Company
Senior Machine Learning Engineer - ESPN
RemoteVereinigte Staaten
Glendale, California, United States · San Francisco, California, United States · New York, New York, United States · California, United States
PythonJavaAWSKubernetesC++Go
Automatische Übersetzung. Prüfe das Original.
Stellenanzeigentitel
Senior Machine Learning Engineer - ESPN
Zusammenfassung der Stelle
ESPN investiert in groß angelegte Dateninfrastrukturen und Echtzeit-Verarbeitungssysteme, die Personalisierung der nächsten Generation und Live-Sport-Erlebnisse ermöglichen. Als Machine Learning Engineer konzentrieren Sie sich auf den Aufbau und Betrieb von verteilten Daten- und ML-Infrastrukturen, die High-Throughput-, Low-Latency- Datenverarbeitung und Echtzeit-ML-Anwendungsfälle unterstützen.
In dieser Rolle arbeiten Sie eng mit erfahrenen MLEs, Dateningenieuren, Plattform/SRE und Produktteams zusammen, um Streaming-Datenpipelines, Feature- Berechnungssysteme und ML-nahe Dienste zu entwickeln, die zuverlässig in großem Maßstab betrieben werden. Die Rolle legt Wert auf praktisches Engineering, fundierte Kenntnisse verteilter Systeme und praktische Erfahrung im Betrieb von Produktionsdateninfrastrukturen.
Anforderungs-ID: 10150610
Segment der Stellenanzeige: Product Engineering
Primäres Geschäftsfeld der Stellenanzeige: PE - Streaming Backend
Primäre Kategorie der Stellenanzeige: Machine Learning
Beschäftigungsart: Vollzeit
Primäre Stadt, Bundesland, Region, Postleitzahl: Glendale, CA, USA
Alternative Stadt, Bundesland, Region, Postleitzahl: USA - CA - Market St, USA - NY - 7 Hudson Square
Datum der Veröffentlichung: 2026-06-05
Stellenbeschreibung
Disney Entertainment & ESPN Technology
Bei Disney Entertainment & ESPN Technology gestalten wir täglich neu, wie wir magische Seherlebnisse für die beliebtesten Geschichten der Welt schaffen und gleichzeitig das Mediengeschäft von Disney für die Zukunft transformieren. Ob wir unsere Streaming- und digitalen Produkte auf neue und immersive Weise weiterentwickeln, weltweites Advertising und Distribution zur Maximierung von Flexibilität und Effizienz vorantreiben oder die unübertroffenen Unterhaltungs- und Sportinhalte von Disney liefern – jeder Tag ist eine Gelegenheit, für Partner und Hunderte Millionen von Menschen auf der ganzen Welt etwas zu bewirken.
Einige Gründe, warum wir denken, dass Sie gerne bei Disney Entertainment & ESPN Technology arbeiten würden:
- Die Zukunft des Mediengeschäfts von Disney gestalten: DE&E Technologen entwerfen und bauen die Infrastruktur, die die Medien-, Werbe- und Distributionsgeschäfte von Disney in den kommenden Jahren unterstützen wird.
- Reichweite & Skalierung: Die Produkte und Plattformen, die diese Gruppe entwickelt und betreibt, begeistern jede Minute des Tages Millionen von Verbrauchern – von Disney+ und Hulu über ABC News und Entertainment bis hin zu ESPN und ESPN+ und vielem mehr.
- Innovation: Wir entwickeln und implementieren bahnbrechende Produkte und Techniken, die Branchenstandards setzen und die Art und Weise verbessern, wie Zuschauer Sport, Unterhaltung und Nachrichten erleben.
Product Engineering ist ein vereintes Team, das für das Engineering der digitalen und Streaming-Produkte und -Plattformen von Disney Entertainment & ESPN verantwortlich ist. Dies umfasst Produktentwicklung, Media Engineering, Qualitätssicherung sowie das Engineering hinter Personalisierung, Handel, Lebenszyklus und Identität.
Aufgaben und Verantwortlichkeiten der Rolle
1) Große Datenverarbeitungs- und Streaming-Systeme
- Aufbau und Wartung von High-Throughput Batch- und Streaming-Datenpipelines zur Unterstützung von ML-, Analyse- und Echtzeit-Entscheidungsfällen.
- Implementierung von Datenaufnahme-, Anreicherungs-, Aggregations- und Transformationsworkflows unter Verwendung moderner verteilter Daten-Frameworks.
- Sicherstellung, dass Pipelines die Anforderungen an Latenz, Zuverlässigkeit und Datenqualität für nachgelagerte ML- und Produktteams erfüllen.
2) Echtzeit-Daten- und Feature-Infrastruktur
- Entwicklung und Betrieb von Systemen, die Echtzeit-Feature-Berechnung und - Bereitstellung für Online-ML-Dienste unterstützen.
- Zusammenarbeit mit Feature Stores und ereignisgesteuerten Architekturen, um Konsistenz zwischen Offline- und Online-Daten zu gewährleisten.
- Verbesserung der Datenaktualität, Schemaentwicklung und Abwärtskompatibilität in Streaming-Umgebungen.
3) ML-nahe Infrastruktur und Plattform-Engineering
- Aufbau und Betrieb von ML-nahen Diensten wie Inferenz-Inputs, Feature-APIs und Datenzugriffsschichten.
- Beitrag zu skalierbaren Service-Mustern, einschließlich Autoskalierung, Rollout- Strategien und Resilienzmechanismen.
- Partnerschaft mit Plattform/SRE-Teams zur Verbesserung von Systemverfügbarkeit, Leistung und Kosteneffizienz.
4) Zuverlässigkeit, Beobachtbarkeit und Betrieb
- Instrumentierung von Daten- und ML-Infrastrukturen mit Metriken, Logging und Alarmen zur Unterstützung des Produktionsbetriebs.
- Teilnahme an Bereitschaftsdiensten und Incident Response für Daten- und ML- Plattformen.
- Identifizierung und Behebung von Datenpipeline-Ausfällen, Leistungsregressionen und Betriebsrisiken.
3) Zusammenarbeit und Engineering-Ausführung
- Zusammenarbeit mit angewandten ML- und Data-Science-Teams zur Ermöglichung von Produktions-ML-Workflows durch zuverlässige Datensysteme.
- Teilnahme an Design-Reviews, Code-Reviews und technischen Diskussionen.
- Befolgen etablierter Plattformstandards und kontinuierliche inkrementelle Verbesserungen im Laufe der Zeit.
Erforderliche Ausbildung, Erfahrung/Kenntnisse/Schulungen
Grundlegende Qualifikation
- Erfahrung im Aufbau und Betrieb von großen Daten- oder ML-Systemen in der Produktion.
- Fundierte Kenntnisse verteilter Systeme und Datenverarbeitungsarchitekturen.
- Praktische Erfahrung mit Streaming- und Batch-Datentechnologien (z. B. Kafka, Kinesis, Spark, Flink oder Äquivalente).
- Beherrschung von Python und Kenntnisse in Java, Scala, Go oder C++.
- Erfahrung im Betrieb von Systemen in Cloud-nativen Umgebungen (AWS, Container, Kubernetes, IaC-Tools).
- Vertrautheit mit Beobachtbarkeits- und Betriebspraktiken für Produktionssysteme.
- Starke Kollaborationsfähigkeiten und die Fähigkeit zur effektiven Zusammenarbeit in Ingenieur- und Datenteams.
Erfahrung mit
- 5+ Jahre Branchenerfahrung im Aufbau von datenintensiven oder ML-nahen Systemen in der Produktion
Erforderliche Ausbildung
- Bachelor- oder Master-Abschluss in Informatik, Data Engineering, Machine Learning oder einem verwandten Fachgebiet.
Bevorzugte Qualifikation
- Erfahrung in der Unterstützung von Echtzeit-Personalisierungs-, Empfehlungs- oder Analyse-Systemen.
- Vertrautheit mit Feature Stores, ereignisgesteuerten Architekturen und Echtzeit-ML-Pipelines.
- Einblick in ML-Infrastrukturkonzepte wie Inferenz-Pipelines, Datenvalidierung und Werkzeuge für den Modell-Lebenszyklus.
- Erfahrung in der Optimierung von Datensystemen hinsichtlich Latenz, Durchsatz und Kosteneffizienz.
- Verständnis von Experimentierplattformen und Dateninstrumentierung für Online-Systeme.
Die Gehaltsspanne für diese Position in New York, NY, beträgt 150.900,00 - 202.400,00 USD pro Jahr, in Glendale, CA, 144.100,00 - 193.200,00 USD pro Jahr und in San Francisco, CA, 157.800,00 - 211.600,00 USD pro Jahr. Das tatsächlich angebotene Grundgehalt berücksichtigt die interne Gleichbehandlung und kann je nach geografischer Region des Kandidaten, berufsbezogenem Wissen, Fähigkeiten und Erfahrung sowie anderen Faktoren variieren. Ein Bonus und/oder Langzeit-Incentive-Einheiten können als Teil des Vergütungspakets zusätzlich zur vollständigen Palette an medizinischen, finanziellen und/oder anderen Leistungen angboten werden, abhängig von der angebotenen Stufe und Position.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen