Mistplay est l'application de fidélité n°1 pour les joueurs mobiles. Notre communauté de millions de joueurs mobiles engagés utilise Mistplay pour découvrir de nouveaux jeux et gagner des récompenses. Les joueurs sont récompensés pour le temps et l'argent qu'ils consacrent aux jeux et peuvent échanger ces récompenses contre des cartes cadeaux. Mistplay a pour mission d'être le meilleur moyen de jouer à des jeux mobiles pour tous, partout dans le monde !

Téléchargez

Mistplay sur le Google Play Store ici et suivez-nous sur Instagram, Twitter et Facebook.

Veuillez noter : Au Canada, Mistplay suit un modèle hybride de 2 jours/semaine en bureau à Toronto (400 University Ave) & Montréal (1001 Blvd. Robert-Bourassa)

Aperçu du poste

Relevant du vice-président de la plateforme de données et d'apprentissage automatique (Data and Machine Learning Platform), l'ingénieur de plateforme (niveau Staff) en données et AA est responsable de la définition et de la mise à l'échelle de la plateforme unifiée qui alimente l'ensemble du cycle de vie des données et de l'AA chez Mistplay — de l'ingestion brute à la diffusion de modèles en temps réel.

Ce rôle ne concerne pas la modélisation ou l'analyse; il s'agit de prendre en charge la plateforme de données et d'AA en tant que système unique et cohérent à grande échelle. Vous définirez l'orientation technique sur l'ensemble du cycle de vie, prendrez en charge les composants critiques de la plateforme de bout en bout et établirez les meilleures pratiques qui permettent aux données et aux modèles de passer de l'expérimentation à un impact commercial en temps réel, avec rapidité et confiance.

Vous agirez à titre de leader technique auprès des équipes, en partenariat avec les équipes de science des données, d'ingénierie des données et de backend, afin de réduire la latence des décisions, d'augmenter le débit pour les charges de travail analytiques et d'AA, et d'améliorer la fiabilité des données, de l'ingestion à l'inférence.

Ce que vous ferez

- Infrastructure d'ingestion et de pipeline — définir des systèmes d'ingestion évolutifs et fiables pour les sources de données par lots et en continu; établir des normes pour l'évolution des schémas, les contrats de données et la lignée de bout en bout; optimiser la stratégie de calcul et de coûts pour diverses charges de travail.
- Architecture d'entrepôt de données et de lac de données (Lakehouse) — concevoir la plateforme de données analytiques de base; définir les stratégies de la couche de stockage, le partitionnement et les modèles d'accès; établir des normes de modélisation des données, de performance et de rentabilité qui servent à la fois les consommateurs analytiques et d'AA.
- Couche de transformation et d'orchestration — diriger la conception de systèmes de transformation évolutifs et maintenables (par exemple, dbt,



Spark); définir des normes d'orchestration et la gestion des dépendances; appliquer des contrats de qualité des données et des cadres de test qui alimentent à la fois les analyses en aval et la formation de modèles d'AA.
- Plateforme de fonctionnalités (Feature Platform) — diriger la conception de systèmes de fonctionnalités (features) réutilisables et de haute qualité, faisant le pont entre les couches de données et d'AA; appliquer des contrats de cohérence hors ligne/en ligne; normaliser les définitions de fonctionnalités, la propriété et la découvrabilité pour les consommateurs analytiques et de modèles.
- Infrastructure de formation — définir des systèmes de formation et de remplissage (backfill) évolutifs et reproductibles; établir des normes pour le versionnage des ensembles de données, la lignée et la reproductibilité; optimiser la stratégie de calcul pour les charges de travail par lots et distribuées.
- Inférence et diffusion en temps réel — concevoir des systèmes de diffusion de modèles à faible latence et haute disponibilité; définir des stratégies de déploiement (canary, shadow, A/B); établir des modèles d'auto-mise à l'échelle, de routage du trafic et d'isolation des pannes à grande échelle.
- Observabilité et fiabilité (de bout en bout) — établir des normes pour la qualité des données, la dérive des fonctionnalités et la surveillance des performances des modèles sur l'ensemble du cycle de vie; définir les SLO (objectifs de niveau de service) et les pratiques opérationnelles; diriger les cadres de réponse aux incidents et la culture de post-mortem couvrant les systèmes de données et d'AA.
- Outils et évolution de la plateforme — évaluer, intégrer et rationaliser les composants de la plateforme de données et d'AA (par exemple, Kafka, dbt, Spark, MLflow, magasins de fonctionnalités, systèmes de diffusion); diriger des migrations à grande échelle et la simplification de la plateforme avec un minimum de perturbations.
- Leadership technique et stratégie (portée Staff) — définir l'orientation architecturale de la plateforme unifiée; définir la stratégie à long terme et favoriser l'alignement inter-équipes; identifier et prioriser les investissements à plus fort effet de levier liés aux résultats commerciaux.

Ce que vous apporterez

- Expérience de plateforme de bout en bout — 10 ans et plus dans la construction et l'exploitation de plateformes de données et d'AA en production; propriété avérée de systèmes couvrant le cycle de vie complet, de l'ingestion à l'inférence et à la prise de décision en temps réel.
- Génie logiciel — forte maîtrise de Python,



Scala ou Go; expérience éprouvée dans la construction et l'évolution de systèmes distribués complexes avec une fiabilité, une maintenabilité et des normes d'ingénierie élevées.
- Maîtrise des systèmes de données et d'AA — compréhension approfondie des architectures de plateforme de données (entrepôt, lac de données, pipelines) et de plateforme d'AA (magasins de fonctionnalités, formation, diffusion); capacité à évaluer les compromis entre latence, cohérence, fraîcheur et débit dans un système unifié.
- Plateforme de fonctionnalités et diffusion — forte expérience dans la conception et l'exploitation de magasins de fonctionnalités avec cohérence hors ligne/en ligne; expertise approfondie dans les architectures de diffusion de modèles (temps réel, par lots, sans serveur) avec livraison progressive (A/B, canary, shadow).
- Pipelines en continu et par lots — forte expérience des systèmes en continu (par exemple, Kafka, Flink) et des cadres par lots (par exemple, Spark, dbt); compréhension claire des compromis entre latence, débit et coût pour les charges de travail analytiques et d'AA.
- Observabilité et opérations — forte rigueur opérationnelle dans les systèmes de données et d'AA (métriques, journaux, traces, qualité des données); expérience dans la définition des SLO, la planification de la capacité, l'optimisation des coûts et la direction de la réponse aux incidents sur l'ensemble de la pile de la plateforme.
- Leadership technique (niveau Staff) — définit l'orientation technique des équipes; encadre les ingénieurs; dirige les revues de conception et les décisions architecturales couvrant les données et l'AA; équilibre la livraison à court terme avec la santé de la plateforme à long terme.
- Collaboration et influence — fonctionne efficacement avec les équipes de science des données, d'analyse, de DevOps et de backend; influence sans autorité; traduit les besoins commerciaux en une stratégie de plateforme unifiée et en exécution dans les domaines des données et de l'AA.

Nous remercions tous les candidat(e)s. Le genre masculin a été utilisé dans le but d'alléger le texte. Nous souscrivons au principe de l’équité en matière d’emploi.

Pourquoi choisir Mistplay?

Nous faisons tout pour rendre notre environnement de travail aussi accueillant et plaisant que possible ! Un poste chez Mistplay s’accompagne de toute une série d'avantages que nous proposons en mode virtuel ou présentiel : déjeuners d'équipe, soirées jeux, événements à l'échelle de l'entreprise, et bien plus encore.

Notre culture est profondément ancrée dans la croissance et soutenue par une équipe de personnes intelligentes, dynamiques et enthousiastes. Nous utilisons les données pour apprendre, améliorer et adapter en permanence. Nous favorisons un environnement dans lequel chacun est encouragé à partager ses idées, à repousser les limites, à prendre des risques calculés et à voir ses visions se concrétiser.

📌 Staff/Principal Platform Engineer, ML & Data (Montreal)
🏢 Mistplay
📍 Montreal