Senior Staff Applied ML Engineer

🕒 vor 4 Monaten

🇨🇦 Kanada – Remote

💵 $360.000 - $380.000 / Jahr

⏰ Vollzeit

🟠 Senior

🤖 Machine-Learning-Entwickler

👻 Geisterscore 35%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Kaseya

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

🔒 Cybersecurity

☁️ SaaS

🏢 Unternehmen

💰 €2.000.000 Venture Round im 2020-07

Cybersecurity • SaaS • Enterprise

Kaseya ist ein globaler Anbieter von IT-Management-Software, der eine umfassende Suite von Lösungen bietet, die darauf ausgelegt sind, die Effizienz und Sicherheit von IT-Operationen für Managed Service Provider (MSPs) und IT-Abteilungen zu verbessern. Mit Funktionen, die Endpunktverwaltung, Cybersicherheit, Backup und Wiederherstellung sowie Compliance-Management umfassen, ermöglicht Kaseya Organisationen, Prozesse zu automatisieren, Kosten zu senken und kritische Daten in einer technologiegetriebenen Umgebung zu schützen. Die Plattform nutzt KI, um das IT-Management zu optimieren, sodass Teams sich auf strategische Initiativen konzentrieren und die Servicebereitstellung verbessern können.

Beschreibung

• Explore and analyze data using Python, pandas, and PySpark (or similar tools). • Use matrix factorization, clustering, dimensionality reduction, and related techniques to understand and prepare data for modeling, and to identify and label latent factors (e.g., user behavior patterns, content/topic clusters, expertise dimensions). • Create, tune, and productionize ML models for: • Categorization / classification • Recommendations and similarity • Other prediction or ranking tasks that power product features • Design and implement AI-driven ingest flows that turn unstructured inputs (tickets, emails, forms, messages, logs, etc.) into well-structured data that models and downstream systems can use. • Build workflows where AI can: • Auto-fill or suggest key fields and metadata. • Proactively ask users/customers for missing or ambiguous information (e.g., via email or messaging). • Surface similar past items or solutions to assist humans in decision-making. • Fully handle simple, repetitive “Level 1” style requests end-to-end when safe to do so. • Work closely with engineers to integrate models and workflows into production systems with proper monitoring, fallbacks, and guardrails. • Work with multiple product teams to help them identify and scope AI opportunities in their areas. • Define patterns, templates, and best practices for data ingestion, feature creation, model usage, and evaluation that teams can reuse. • Serve as a trusted advisor and technical lead: • Provide design and architecture guidance on data and ML-heavy features. • Join projects to handle the most complex modeling or workflow automation pieces when teams get stuck. • Mentor and guide junior data/ML engineers and analysts: • Conduct code and model reviews. • Pair with them on tricky problems. • Help them develop good intuitions about metrics, evaluation, and operational reliability. • Help establish and socialize standards for experimentation, documentation, and responsible AI usage across teams.

🎯 Anforderungen

• 5+ years in data science, ML engineering, or a similar applied role, with a strong record of shipping production data/ML features. • Strong Python skills and experience with pandas for data analysis. • Experience with PySpark or other distributed data processing frameworks. • Solid understanding of ML fundamentals, including: • Supervised learning and classification models • Matrix factorization / embeddings / latent factor models • Feature engineering and model evaluation (offline metrics and online experiments) • Proficiency with PyTorch (or a similar deep learning framework) and related ML tooling. • Strong SQL and experience with modern data warehouses / data lakes. • Comfort working with APIs, microservices, and production integration of ML models, including performance and reliability considerations. • Experience serving as a technical lead or senior individual contributor across multiple teams or projects. • Proven ability to translate business problems into data/ML projects, and to clearly explain tradeoffs to non-ML stakeholders. • Track record of mentoring junior engineers/analysts and improving team practices (e.g., review culture, testing, monitoring). • Strong communication skills and the ability to drive alignment across product, engineering, and operations.