Data Science Specialist | Feature Store & ML Platform| Especialista (Remote)

Vaga não está no LinkedIn

🕒 Maio 28

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Compass

SiteLinkedInTodas as Vagas

10.000+ funcionários

🏠 Imobiliário

📱 Mídia

Real Estate • Media

A Compass é um site focado em conteúdo e serviços imobiliários que oferece análises de mercado detalhadas, guias de compra/venda/aluguel, informações sobre hipotecas e financiamentos, além de conselhos sobre melhoria e renovação de imóveis. O site disponibiliza recursos para compradores de imóveis, vendedores, locatários, agentes e investidores imobiliários — incluindo artigos sobre avaliações, moradia acessível, estratégias de investimento, encenação e manutenção de propriedades. A Compass visa ajudar os usuários a tomarem decisões informadas ao longo do ciclo de vida habitacional através de atualizações de mercado oportunas e conteúdo prático de "como fazer".

Descrição

• Liderar o desenvolvimento e evolução das capacidades da Feature Store: data lineage, feature views, feature recommendation e novos motores de consulta; • Projetar e implementar tabelas Apache Iceberg com foco em performance de leitura, versionamento e evolução de schema; • Arquitetar e otimizar a camada de serving com Redis para features em tempo real com SLOs rigorosos de latência; • Integrar e otimizar Amazon EMR como motor de consulta e processamento em escala; • Definir e implementar pipelines de feature selection e transformação com rastreabilidade end-to-end; • Estabelecer padrões de qualidade, versionamento e governança de features para toda a plataforma; • Atuar como referência técnica para times de dados e ciência que consomem a Feature Store.

🎯 Requisitos

• Expertise comprovada em engenharia de features em plataformas de ML corporativas (Feast, Tecton, Hopsworks ou equivalentes) • Domínio avançado de Apache Spark / PySpark para processamento distribuído em escala • Profundo conhecimento de Apache Iceberg e arquiteturas lakehouse (comparativo com Delta Lake e Hudi) • Expertise em Redis para feature serving em baixa latência, incluindo estratégias de cache invalidation e serialização eficiente • Experiência sólida com AWS e seus serviços de dados em produção (S3, Glue, EMR, Redshift, Athena) • Desejáveis: • Domínio de data lineage e catálogos de metadados (DataHub, OpenMetadata, Marquez) em produção; • Experiência com Amazon EMR: configuração, otimização de clusters e tuning de jobs Spark; • Expertise em práticas de MLOps com foco em versionamento e rastreabilidade de artefatos de dados; • Atuação anterior em contexto financeiro com dados de alta cardinalidade, alta frequência e requisitos regulatórios; • Conhecimento de ferramentas de qualidade de dados em escala (Great Expectations, Soda, dbt tests).