Staff MLOps Engineer | Ingénieur·e MLOps Staff

Concevoir l’architecture de bout en bout du cadre CGU : modèles de données, systèmes d’exécution et points d’extensibilité

Concevoir et faire évoluer des API qui exposent les systèmes de gameplay de manière sécuritaire et flexible aux créateur·rice·s

Définir le modèle de script (langage, environnement d’exécution) pour le contenu créé par les utilisateur·rice·s

Collaborer avec les équipes IA/ML afin de permettre un agent IA capable de générer, modifier et raisonner sur du contenu de gameplay

Mettre en place des garde-fous : budgets de performance, isolation (sandboxing), sécurité et déterminisme

Travailler étroitement avec les équipes gameplay, en ligne et outils afin d’assurer la cohérence de la plateforme

Orienter la direction technique au moyen de prototypes, de documentation et d’implémentations concrètes

Encadrer les ingénieur·e·s et influencer les normes d’ingénierie à l’échelle des équipes

Graduate degree in Computer Science, Software Engineering, or a related field.

5+ years of experience as an MLOps Engineer in a fast-paced environment in applied machine learning.

Technical Proficiency: Core Tools: Fluency with Python, Git, and the Unix shell. Containerization & Orchestration: Deep familiarity with Docker, Kubernetes, and workflow orchestrators (e.g., Airflow, Prefect, or Kubeflow). Ecosystem: Familiarity with collaborative tools such as Jira/Confluence, Slack and a Git server. Strong Mathematical Background: Preferred for understanding the resource demands of 3D data transformations.

Core Tools: Fluency with Python, Git, and the Unix shell.

Containerization & Orchestration: Deep familiarity with Docker, Kubernetes, and workflow orchestrators (e.g., Airflow, Prefect, or Kubeflow).

Ecosystem: Familiarity with collaborative tools such as Jira/Confluence, Slack and a Git server.

Strong Mathematical Background: Preferred for understanding the resource demands of 3D data transformations.

High attention to detail regarding system reliability and data security.

Ability to translate abstract ML requirements into concrete, scalable cloud or on-prem infrastructure.

Prior experience in industries with complex multi-disciplinary teams such as robotics, smart grids, precision agriculture, game development, or aerospace.

Grand souci du détail en matière de fiabilité des systèmes et de sécurité des données.

Capacité à traduire des exigences abstraites en apprentissage automatique en infrastructures concrètes et évolutives, infonuagiques ou sur site.

Expérience préalable dans des secteurs comportant des équipes multidisciplinaires complexes, tels que la robotique, les réseaux intelligents, l’agriculture de précision, le développement de jeux ou l’aérospatiale.

Les personnes intéressées doivent soumettre leur candidature afin d’être considérées.

Doit être légalement autorisé·e à travailler au Canada.

• Doit être disposé·e à se déplacer pour des raisons professionnelles, au besoin.

As part of our selection process, external candidates may be required to attend an in-person interview with an NBCUniversal employee at one of our locations prior to a hiring decision. NBCUniversal's policy is to provide equal employment opportunities to all applicants and employees without regard to race, color, religion, creed, gender, gender identity or expression, age, national origin or ancestry, citizenship, disability, sexual orientation, marital status, pregnancy, veteran status, membership in the uniformed services, genetic information, or any other basis protected by applicable law.

If you are a qualified individual with a disability or a disabled veteran and require support throughout the application and/or recruitment process as a result of your disability, you have the right to request a reasonable accommodation. You can submit your request to AccessibilitySupport@nbcuni.com.