Job Title

Mistplay est l''''application de fidlit n1 pour les joueurs mobiles. Notre communaut de millions de joueurs mobiles engags utilise Mistplay pour dcouvrir de nouveaux jeux et gagner des rcompenses. Les joueurs sont rcompenss pour le temps et l''''argent qu''''ils consacrent aux jeux et peuvent changer ces rcompenses contre des cartes cadeaux. Mistplay a pour mission d''''tre le meilleur moyen de jouer des jeux mobiles pour tous, partout dans le monde ! Tlchargez Mistplay sur le Google Play Store ici et suivez-nous sur Instagram, Twitter et Facebook. Veuillez noter : Au Canada , Mistplay suit un modle hybride de 2 jours/semaine en bureau Toronto (400 University Ave) & Montral (1001 Blvd. Robert-Bourassa) Mistplay is the #1 loyalty app for mobile gamers. Our community of millions of engaged mobile gamers come to Mistplay to discover new games to play and earn rewards. Gamers are rewarded for their time and money spent within the games and can redeem those rewards for gift cards. Mistplay is on a mission to be the best way to play mobile games for everyone everywhere! Download Mistplay on the Google Play Store here and follow us on Instagram, Twitter and Facebook. Please Note: In Canada , Mistplay follows a 2 days/week in-office hybrid model in Toronto (400 University Ave) & Montreal (1001 Blvd. Robert-Bourassa) English Description is Below Rattach au viceprsident de la plateforme de donnes et d''''apprentissage automatique (Data and Machine Learning Platform), l''''ingnieur Staff en plateforme ML au sein de l''''quipe de donnes de Mistplay jouera un rle cl dans la recherche et le dveloppement de solutions d''''apprentissage automatique pour rsoudre des problmes commerciaux complexes. L''''ingnieur Staff en plateforme ML travaillera en troite collaboration avec une quipe interfonctionnelle pour identifier les domaines amliorer, concevoir et mettre en uvre des solutions volutives. L''''exprience pertinente peut aller de l''''infrastructure de travail et des logiciels pour prendre en charge les applications d''''apprentissage automatique sur une grande varit de systmes de recommandation en ligne, de systmes d''''apprentissage par renforcement ou d''''autres applications d''''apprentissage automatique en ligne. Ce que vous ferez Solutions d''''infrastructure machine et de donnes pour l''''entranement des modles. Systmes d''''infrence en temps rel pour exploiter et servir des modles dans un environnement de production en temps rel. Capacits de plateforme de fonctionnalits de haute convivialit et prcision pour gnrer, remplir rtrospectivement et stocker des fonctionnalits au niveau de l''''utilisateur. Couche de service de fonctionnalits haute prcision et faible latence, et solutions de pr-traitement pour prendre en charge le service en ligne des modles. Construire des abstractions de plateforme et des chemins dors (golden paths) : modles Airflow DAG, CLI/SDK, dpts cookiecutter et pipelines CI/CD qui font passer les modles des notebooks la production de manire prvisible. Mettre en uvre l''''observabilit de bout en bout : vrifications de la fracheur des donnes/fonctionnalits, portes de drive/qualit, SLO de performance/latence des modles, tableaux de bord de sant de l''''infrastructure, traage et alertes, plus rponse aux incidents et analyses postmortem. Collaborer avec la scurit, SRE et l''''ingnierie des donnes sur les rseaux privs, la politique en tant que code, la gestion des informations personnelles identifiables (PII), la gestion des accs et des identits (IAM) du moindre privilge et les architectures rentables dans tous les environnements. valuer, intgrer et rationaliser les outils de plateforme (par exemple, registre MLflow, magasins de fonctionnalits, passerelles de service); mener des migrations avec une gestion claire des changements et un temps d''''arrt minimal. Ce que vous apporterez 10 ans et plus d''''exprience dans la construction et l''''exploitation de plateformes ML/de donnes de qualit production, en mettant l''''accent sur le service, la fiabilit et l''''exprience dveloppeur. Solides comptences en gnie logiciel en Python, Go ou Java; exprience dans la cration de services rsilients, d''''API et d''''outils d''''automatisation avec une couverture de tests leve. Exprience approfondie avec les solutions d''''infrence : configuration de point de terminaison, conteneurisation, packaging de modles, mise l''''chelle automatique (autoscaling), compromis entre sans serveur (serverless) et temps rel, MME, dploiements A/B et canary. Expertise des paradigmes de magasin de fonctionnalits en ligne (online feature store) et des solutions de stockage sous-jacentes dans les contextes de service ML. Exprience avre avec Terraform pour la gestion de l''''infrastructure ML et de donnes de bout en bout : modules, espaces de travail, dtection de drive, rvisions de changements et restaurations scurises (safe rollbacks); familiarit avec les modles GitOps. Orchestration Airflow grande chelle : modlisation de dpendances, capteurs, nouvelles tentatives, ANS (SLAs), remplissages rtrospectifs (backfills), usines de DAG et intgrations avec les registres, les magasins dartefacts et les pipelines Terraform. Familiarit avec les frameworks ML (scikitlearn, XGBoost, PyTorch, TensorFlow) du point de vue de l''''intgration de la plateforme pour prendre en charge divers environnements d''''excution (runtimes) et conteneurs. Observabilit pour les flux de travail ML : mtriques/journaux/traces, profilage des performances, planification de la capacit, surveillance des cots et procdures d''''excution (runbooks). Excellent communication et collaboration interfonctionnelle avec la Science des Donnes, l''''Ingnierie des Donnes, le DevOps et le Backend. *Nous remercions tous(tes) les candidat(e)s. Le genre masculin a t utilis dans le but d''''allger le texte. Nous souscrivons au principe de lquit en matire demploi. English Description Reporting to the VP of Data and Machine Learning Platform, the Staff ML Platform Engineer within Mistplays Data Team will play a key role in researching and developing machine learning solutions to solve complex business problems. The Staff ML Platform Engineer will work closely with a crossfunctional team to identify areas for improvement and design and implement scalable solutions. Relevant experience can range from working infrastructure and software to support machine learning applications on a wide variety of online recommendation systems, reinforcement learning systems or other online machine learning applications. What youll do Machine and data infrastructure solutions for training models Realtime inference systems to operate and serve models in a real time production environment. High usability and accuracy feature platform capabilities for generating, backfilling and storing user level features. High accuracy low latency feature serving layer and preprocessing solutions to support online serving of the models Build platform abstractions and golden paths: Airflow DAG templates, CLI/SDKs, cookiecutter repos, and CI/CD pipelines that take models from notebooks to production predictably. Implement endtoend observability: data/feature freshness checks, drift/quality gates, model performance/latency SLOs, infra health dashboards, tracing, and alertingplus incident response and postmortems. Partner with Security, SRE, and Data Engineering on private networking, policyascode, PII handling, leastprivilege IAM, and costefficient architectures across environments. Evaluate, integrate, and rationalize platform tooling (e.g., MLflow registry, feature stores, serving gateways); lead migrations with clear change management and minimal downtime. What youll bring 10+ years building and operating productiongrade ML/data platforms with a focus on serving, reliability, and developer experience. Strong software engineering in Python, Go, or Java; experience building resilient services, APIs, and automation tooling with high test coverage. Deep experience with inference solutions: endpoint configuration, containerization, model packaging, autoscaling, serverless vs. realtime tradeoffs, MME, A/B and canary releases. Expertise with online feature store paradigms and underlying storage solutions in ML serving contexts. Proven Terraform experience managing ML and data infra endtoend: modules, workspaces, drift detection, change reviews, and safe rollbacks; familiarity with GitOps patterns. Airflow orchestration at scale: dependency modeling, sensors, retries, SLAs, backfills, DAG factories, and integrations with registries, artifact stores, and Terraform pipelines. Familiarity with ML frameworks (scikitlearn, XGBoost, PyTorch, TensorFlow) from a platformintegration perspective to support diverse runtimes and containers. Observability for ML Workflows: metrics/logs/traces, performance profiling, capacity planning, cost monitoring, and runbooks. Excellent communication and crossfunctional collaboration with Data Science, Data Engineering, DevOps and Backend. Pourquoi choisir Mistplay? Nous faisons tout pour rendre notre environnement de travail aussi accueillant et plaisant que possible ! Un poste chez Mistplay saccompagne de toute une srie d''''avantages que nous proposons en mode virtuel ou prsentiel : djeuners d''''quipe, soires jeux, vnements l''''chelle de l''''entreprise, et bien plus encore. Notre culture est profondment ancre dans la croissance et soutenue par une quipe de personnes intelligentes, dynamiques et enthousiastes. Nous utilisons les donnes pour apprendre, amliorer et adapter en permanence. Nous favorisons un environnement dans lequel chacun est encourag partager ses ides, repousser les limites, prendre des risques calculs et voir ses visions se concrtiser. Why Mistplay? We strive to make our work environment as inviting and fun as possible! Working at Mistplay is coupled with a whole array of perks that weve adopted virtually and in-person: Team Lunches, game nights, companywide events, and so much more. Our culture is deeply rooted in growth and upheld by a team of smart, dynamic, and enthusiastic people. We utilize data to constantly learn, improve, and adapt. We foster an environment where everyone is encouraged to share their ideas, push boundaries, take calculated risks, and witness their visions come to life. #J-18808-Ljbffr