AppTweak
- Digital
- Brussels, Berlin, Bruxelles, London, San Francisco
- Voir le site
Technologies et outils
Backend
Ruby
100%Sinatra
90%MySQL
80%Ruby On Rails
50%PostgreSQL
50%Redis
30%MongoDB
25%Elasticsearch
15%
Frontend
React JS
100%
Devops
Kubernetes
100%Docker
100%AWS
100%
Data
Python (Data Science)
100%Grafana
100%Amazon Redshift
20%
Monitoring
Airbrake
100%
Organisation et méthodologies
Les équipes Dev et Data Science d'AppTweak sont organisées en 7 squads.
Une squad est une équipe transversale qui a la pleine propriété et l'autonomie sur une zone spécifique de l'outil AppTweak.
Chaque équipe décide de la manière dont elle s'organise, mais en général, elle met en place des sprints de 2 semaines avec les rituels suivants :
- Stand-ups : quotidiens ou plusieurs fois par semaine, en fonction de l'équipe
- Planifications de sprints et rétrospectives pour commencer et terminer chaque sprint
- Journées de démonstration : chaque mois, l'équipe présente les fonctionnalités récemment publiées à l'ensemble de l'équipe AppTweak.
- Debug : les bugs sont gérés sur une base hebdomadaire, le jeudi.
ㅤ ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤ ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
Projets et défis techniques
Data Science
Nos projets couvrent une partie importante du spectre de l'apprentissage automatique : données tabulaires, clustering, traitement du langage naturel, analyses d'images, analyses de séries temporelles...
Notre défi est de trouver, comprendre et utiliser correctement les technologies les plus prometteuses pour chacun de ces domaines.
Certains de nos algorithmes sont entraînés avec >500M de points de données, ce qui nécessite l'optimisation de la convergence et de la gestion de la mémoire.
Nous nous entraînons parfois sur des GPU et devons optimiser toute cette sorcellerie CUDA.
Nous construisons et maintenons des API REST pour servir les prédictions de nos algorithmes, en veillant à respecter les exigences de vitesse du logiciel.
Front-end
Toute notre couche Front-end a été modernisée et est maintenant construite en utilisant ReactJS avec Redux et sagas pour gérer l'état et le chargement des données.
Comme l'application principale est maintenant entièrement en React, nous aimerions améliorer notre architecture front-end en migrant vers une architecture micro frontale.
Certaines parties de l'application (comme notre table de mots-clés) doivent afficher des milliers de données, nous devons donc toujours garder à l'esprit l'optimisation des performances.
L'application évolue constamment avec des versions hebdomadaires.
L'un de nos défis est de maintenir un standard front-end de haute qualité.
Front-end
Toute notre couche Front-end a été modernisée et est maintenant construite en utilisant ReactJS avec Redux et sagas pour gérer l'état et le chargement des données.
Comme l'application principale est maintenant entièrement en React, nous aimerions améliorer notre architecture front-end en migrant vers une architecture micro frontale.
Certaines parties de l'application (comme notre table de mots-clés) doivent afficher des milliers de données, nous devons donc toujours garder à l'esprit l'optimisation des performances.
L'application évolue constamment avec des versions hebdomadaires.
L'un de nos défis est de maintenir un standard front-end de haute qualité.
Processus de recrutement
- Entretien de 40 minutes avec le responsable de l'acquisition des talents.
- Entretien d'une heure avec le responsable de l'embauche
- Test à la maison
- Un entretien final pour débriefer le cas