Mastercard
Senior Software Engineer
Mexiko
MexikoCiudad de México, Mexiko
PythonJavaReactAWSKubernetes
Automatische Übersetzung. Prüfe das Original.
Titel und Zusammenfassung
Mastercard treibt Volkswirtschaften an und befähigt Menschen in über 200 Ländern und Gebieten weltweit. Gemeinsam mit unseren Kunden helfen wir beim Aufbau einer nachhaltigen Wirtschaft, in der jeder erfolgreich sein kann. Wir unterstützen eine breite Palette von Zahlungsoptionen, die Transaktionen sicher, einfach, intelligent und zugänglich machen. Unsere Technologie und Innovation, Partnerschaften und Netzwerke bieten eine einzigartige Palette von Produkten und Dienstleistungen, die Menschen, Unternehmen und Regierungen helfen, ihr größtes Potenzial zu entfalten.
Senior Software Engineer
Überblick
Die Organisation CNPF Data & AI sucht einen außergewöhnlichen Senior Software Engineer, der uns beim Aufbau der nächsten Generation intelligenter, agentenbasierter Anwendungen und Engineering-Plattformen unterstützt. Dies ist eine Rolle mit hoher Wirkung für einen praxisorientierten Ingenieur, der tiefgreifende Software-Engineering-Expertise mit einer Leidenschaft für KI, Innovation und praktische Problemlösung kombiniert.
Sie werden skalierbare, produktionsreife Systeme entwerfen und erstellen, die KI, agentenbasierte Workflows und moderne Entwickler-Tools nutzen, um die Produktlieferung zu beschleunigen und die Engineering-Produktivität über den gesamten Produktentwicklungs- lebenszyklus hinweg zu verbessern. Sie werden an der Schnittstelle von Software-Engineering, KI- Capability-Entwicklung, Entwicklererfahrung und Plattforminnovation arbeiten – und neue Technologien in sichere, zuverlässige und wiederverwendbare Fähigkeiten umwandeln, die einen messbaren Geschäftswert schaffen.
Aufgaben der Position
Als Senior Software Engineer werden Sie:
Software-Design, Architektur & Entwicklung
- Intelligente, agentenbasierte Anwendungen und Plattformfähigkeiten entwerfen, erstellen und weiterentwickeln, die bedeutsame Geschäftsprobleme in großem Maßstab lösen
- Robuste Software-Designprinzipien, Entwurfsmuster und Architekturbest- praktiken anwenden, um skalierbare, wartbare und erweiterbare Systeme zu erstellen
- Entscheidungen zur Systemarchitektur beeinflussen und dazu beitragen, einschließlich von verteilten Systemen, ereignisgesteuerten Mustern und Cloud-nativen Designs
- Hochwertigen, gut strukturierten und effizienten Code entwickeln, der auf starken Datenstrukturen und algorithmischem Denken basiert
KI-gestütztes Engineering & Innovation
- KI und agentenbasierte Entwicklungsmuster anwenden, um die Engineering- Produktivität in den Bereichen Design, Codierung, Testen, Debugging, Dokumentation, Release Engineering und operativer Support zu verbessern
- Moderne Tools und Coding-Assistenten sorgfältig einsetzen, um die Lieferung zu beschleunigen und gleichzeitig starke Standards für Qualität, Sicherheit, Zuverlässigkeit und Wartbarkeit aufrechtzuerhalten
- Neue KI-Tools, Frameworks und Plattformen bewerten und in Engineering- Workflows integrieren, wo sie einen messbaren Wert schaffen
Testen & Qualitätssicherung
- Umfassende Teststrategien entwerfen und implementieren, einschließlich Unit-, Funktions-, Integrations- und End-to-End-Tests
- Automatisierte Test-Frameworks erstellen und pflegen und sie in CI/CD Pipelines integrieren
- Hohe Testabdeckung, Systemzuverlässigkeit und Fehlervermeidung über den gesamten Softwarelebenszyklus hinweg sicherstellen
- KI-gestützte Lösungen nutzen, um die Effizienz und Effektivität von Tests zu verbessern
Codequalität & Engineering-Exzellenz
- Code-Reviews durchführen und aktiv daran teilnehmen, um die Einhaltung von Codierungsstandards, Wartbarkeit, Sicherheit und Best Practices sicherzustellen
- Engineering-Exzellenz fördern, einschließlich Clean Code, wiederverwendbarem Design und Praktiken zur kontinuierlichen Verbesserung
- Kollegen durch Überprüfungsprozesse und Wissensaustausch betreuen
Leistung, Sicherheit & Zuverlässigkeit
- Systeme für Leistung, Skalierbarkeit, Latenz und Kosteneffizienz entwerfen und optimieren
- Sichere Codierungspraktiken anwenden und fördern, wobei Sicherheitsaspekte in allen Entwicklungsphasen berücksichtigt werden (DevSecOps)
- Sicherstellen, dass Systeme beobachtbar, resilient und produktionsreif sind, mit starker Überwachung, Alarmierung und Incident-Response-Fähigkeiten
Operabilität & Fehlerbehebung
- Systeme mit starker operativer Bereitschaft erstellen, um Wartbarkeit und Unterstützbarkeit in Produktionsumgebungen zu gewährleisten
- Komplexe technische Probleme in verteilten Systemen diagnostizieren und lösen, indem strukturierte Fehlerbehebungsansätze angewendet werden
- Die Systemzuverlässigkeit durch Automatisierung, Ursachenanalyse und proaktive Verbesserungen kontinuierlich verbessern
Zusammenarbeit & Lieferung
- Mit Produkt-, Data-Science- und Engineering-Teams zusammenarbeiten, um Ideen in produktionsreife Lösungen mit klarem Geschäftseinfluss zu übersetzen
- Die Effizienz des SDLC durch Automatisierung, CI/CD und KI-gestützte Workflows verbessern
- Mit gutem Beispiel vorangehen durch praktische Entwicklung, starke Eigenverantwortung und Ausführung
Alles über Sie
- Sie lieben es, innovative, skalierbare Systeme zu entwickeln, die reale Probleme lösen
- Sie kombinieren starke Engineering-Grundlagen (Design, Tests, Algorithmen) mit Neugier auf aufkommende KI-Technologien
- Sie übernehmen Verantwortung für Ergebnisse und liefern konsequent hochwertige Lösungen
- Sie wägen Geschwindigkeit und Engineering-Rigor ab und stellen sicher, dass Systeme sicher, zuverlässig und wartbar sind
- Sie sind ein starker Kollaborateur, der die Teamleistung durch Kommunikation, Mentoring und gemeinsame Standards hebt
- Sie setzen sich für kontinuierliches Lernen und Experimentieren ein, um die Grenzen des modernen Software-Engineerings zu erweitern
Qualifikationen des idealen Kandidaten
- Starke Programmierkenntnisse in Sprachen wie Java und/oder Python, mit nachgewiesener Fähigkeit, effizienten, leistungsstarken Code mit geeigneten Datenstrukturen und Algorithmen zu schreiben
- Praktische Erfahrung im Aufbau von agentenbasierten oder KI-gestützten Anwendungen;
- Starkes Verständnis von APIs, verteilten Systemen, ereignisgesteuerten Architekturen und Enterprise-Integrationsmustern
- Mittlere Erfahrung mit React oder Next.js
- Erfahrung mit Cloud-nativem Development unter Verwendung von Kubernetes und gemanagten Cloud-Plattformen wie AWS oder Azure
- Erfahrung mit CI/CD, Automatisierung und Tools zur Verbesserung der Engineering-Produktivität;
- Vertrautheit mit modernen KI-Frameworks, SDKs und Tools für den Aufbau intelligenter Anwendungen und Agenten-Workflows
- Nachgewiesene Erfahrung im Aufbau skalierbarer, wartbarer, produktionsreifer Systeme
- Nachgewiesene Erfahrung im Entwurf und der Implementierung von Unit-, Funktions- und Integrationsteststrategien und -frameworks
- Praktische Erfahrung im Aufbau von Anwendungen oder Plattformen unter Verwendung von Generative AI oder agentenbasierten Designmustern
- Starkes Verständnis von:
- Verteilte Systeme und Cloud-native Architekturen
- APIs, ereignisgesteuerte Systeme und Integrationsmuster
- Kompromisse beim Design von KI-Systemen (Latenz, Kosten, Zuverlässigkeit, Sicherheit, Governance)
- Erfahrung in der Verbesserung der Codequalität durch Peer-Code-Reviews und Durchsetzung von Engineering-Standards
- Erfahrung in der Überführung von KI-gestützten Lösungen vom Prototyp zur Produktion mit starker Engineering-Disziplin in Bezug auf Zuverlässigkeit, Beobachtbarkeit, Leistung und Sicherheit
- Erfahrung in der Verbesserung des SDLC durch:
- CI/CD Pipelines
- Automatisierungs- und Test-Frameworks
- KI-gestützte Engineering-Workflows
- Erfahrung mit Kubernetes und Cloud-Plattformen (AWS, Azure)
- Vertrautheit mit KI-Frameworks, SDKs und Tools (LLMs, RAG, Embeddings, Inferenz APIs)
- Bildungsanforderungen: Bachelor-Abschluss ist erforderlich, Master-Abschluss ist bevorzugt.
Bevorzugte Qualifikationen
- Vertrautheit mit Modellbewertung, KI-Sicherheitskontrollen und Governance- Praktiken
- Erfahrung im Aufbau wiederverwendbarer Entwicklerplattformen oder interner Engineering-Tools
- Praktische Nutzung von KI-Coding-Assistenten zur Verbesserung von Liefer- geschwindigkeit und -qualität;
- Vertrautheit mit LLM-Orchestrierung, Prompt- und Kontextmanagement, Speichermustern, Inferenz APIs, Embeddings, Retrieval-Augmented Generation, Vektordatenbanken, Modellbewertung, KI-Beobachtbarkeit und verantwortungsvollen KI-Kontrollen.
Verantwortung für die Unternehmenssicherheit
Alle Aktivitäten, die den Zugriff auf Mastercard-Assets, -Informationen und -Netzwerke beinhalten, bergen ein inhärentes Risiko für das Unternehmen. Daher wird von jeder Person, die für Mastercard oder in dessen Auftrag tätig ist, erwartet, dass sie Verantwortung für die Informationssicherheit übernimmt und Folgendes sicherstellt:
- Die Sicherheitsrichtlinien und -praktiken von Mastercard einhalten;
- Die Vertraulichkeit und Integrität der zugegriffenen Informationen gewährleisten;
- Jeden Verdacht auf Verletzung oder Bruch der Informationssicherheit melden, und
- Alle periodischen obligatorischen Sicherheitsschulungen gemäß den Richtlinien von Mastercard absolvieren.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen