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. 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. 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. 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

- Architecture d'entrepôt de données et de lac de données (Lakehouse)



— concevoir la plateforme de données analytiques de base; 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); 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
- 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; 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; 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)
- Leadership technique et stratégie (portée Staff)



— définir l'orientation architecturale de la plateforme unifiée; identifier et prioriser les investissements à plus fort effet de levier liés aux résultats commerciaux. 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
- 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)
- Plateforme de fonctionnalités et diffusion — forte expérience dans la conception et l'exploitation de magasins de fonctionnalités avec cohérence hors ligne/en ligne
- 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)
- 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; dirige les revues de conception et les décisions architecturales couvrant les données et l'AA
- Collaboration et influence — fonctionne efficacement avec les équipes de science des données, d'analyse, de DevOps et de backend; traduit les besoins commerciaux en une stratégie de plateforme unifiée et en exécution dans les domaines des données et de l'AA. 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. Nous utilisons les données pour apprendre, améliorer et adapter en permanence.

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