Empleo
Del feed del socio
Ingeniero Analítico
Precio a consultar
Detalles
- Tipo de empleo
- Jornada completa
- Remoto
- Sí
- Empresa
- prolific
Descripción
Traducido automáticamente de English. El texto original es el oficial. Traducción automática — se está preparando una más precisa.
Ingeniero Analítico
Prolífico
Prolific no es un actor más en el espacio de la IA: somos los arquitectos de la infraestructura de datos humanos que está remodelando el panorama del desarrollo de la IA. En un mundo donde las tecnologías fundamentales de IA se mercantilizan cada vez más, es la calidad y diversidad de los datos generados por humanos lo que realmente diferencia los productos y modelos.
el papel
Como ingeniero de análisis en el equipo de infraestructura de datos de Prolific, estará a la vanguardia de la transformación y el mantenimiento de la infraestructura de datos de Prolific a medida que la forma en que las personas trabajan con los datos cambia rápidamente. Su trabajo será fundamental para rediseñar y ampliar nuestra pila de datos, garantizando que los canales de datos sean sólidos, eficientes y confiables, y que nuestros datos estén listos para ser consultados tanto por personas como por sistemas de inteligencia artificial.
Al poseer y optimizar nuestra base de código analítico y nuestra capa semántica, permitirá a los equipos de toda la empresa obtener respuestas confiables, ya sea a través de paneles de BI o preguntas en lenguaje natural. Ayudará a dar forma a cómo incorporamos LLM y agentes a la ingeniería analítica de forma segura y eficaz, y cerrará la brecha entre las partes interesadas técnicas y no técnicas para que las soluciones de datos complejas se comprendan claramente y se alineen con los objetivos comerciales.
Qué aportarás al papel
• Experiencia en dbt y SQL: profunda experiencia con dbt y SQL para diseñar, construir y mantener modelos de datos escalables.
• Modelado semántico: experiencia en la definición de métricas, entidades y lógica de negocios en una capa semántica (por ejemplo, dbt Semantic Layer/MetricFlow, Cube, LookML o similar), con una comprensión de lo que hace que un modelo sea confiable para consultas en lenguaje natural.
• IA aplicada en flujos de trabajo de datos: experiencia práctica en el uso de LLM en el trabajo de datos, como clasificación, extracción o enriquecimiento dentro de transformaciones, y comprensión de cómo evaluar, probar y gobernar resultados que no son completamente deterministas.
• Herramientas agentes: familiaridad con los asistentes y agentes de codificación de IA (por ejemplo, Claude Code, Cursor, herramientas basadas en MCP) y una visión práctica sobre dónde aceleran la ingeniería analítica y dónde es esencial la revisión humana.
• Conocimiento de tecnología en la nube: gran familiaridad con plataformas en la nube como AWS o GCP.
• Enfoque en la precisión de los datos: Pasión por garantizar una alta calidad de los datos a través de pruebas, afirmaciones, evaluaciones y documentación sólida.
• Perspicacia comercial: capacidad para comprender las necesidades comerciales y comunicarse de manera efectiva con partes interesadas no técnicas.
• Colaboración: Hábil para trabajar de forma transversal y traducir conceptos técnicos complejos en conocimientos prácticos para el negocio.
• Impulsado por procesos: competencia en el diseño de flujos de trabajo repetibles y escalables para la transformación de datos, incluidos aquellos que combinan agentes automatizados con supervisión humana.
Qué harás en el puesto
• Creación de modelos de datos: cree modelos dbt complejos, macros personalizadas y paquetes reutilizables. Optimice las transformaciones e implemente estrategias de prueba sólidas para garantizar la integridad de los datos y el rendimiento del modelo.
• Creación de la capa semántica: diseñe y mantenga una capa semántica con métricas, dimensiones y descripciones bien definidas para que las partes interesadas y los asistentes de IA puedan consultar los datos de la empresa en lenguaje natural y obtener respuestas consistentes y precisas.
• Introducción de transformaciones no deterministas: cree y produzca pasos basados en LLM dentro de nuestros canales, como categorizar texto libre o enriquecer registros, con marcos de evaluación claros, monitoreo de costos y latencia, y alternativas para mantener los resultados confiables.
• Desarrollo de flujos de trabajo agentes: diseñe y adopte flujos de trabajo agentes en todo el ciclo de vida de la ingeniería analítica, incluida la generación de modelos, la documentación, la cobertura de pruebas, la revisión de códigos y la clasificación de incidentes, mientras define las barreras de seguridad y los procesos de revisión que mantienen la calidad alta.
• Propiedad: supervise y mantenga los trabajos de flujo de trabajo de dbt, lo que garantiza actualizaciones de datos fluidas y canalizaciones actualizadas. También será responsable de los modelos de datos que impulsan el análisis de BI y los informes a nivel empresarial.
• Garantizar la precisión de los datos: escriba pruebas y afirmaciones para validar la integridad y la coherencia de los datos en todos los modelos, y cree conjuntos de evaluación para medir la precisión del lenguaje natural y los resultados basados en LLM.
• Documentación y estandarización: cree y mantenga documentación exhaustiva de los procesos dbt y definiciones semánticas, tratando los metadatos como un activo de primera clase, ya que moldea directamente la calidad de las respuestas generadas por IA.
• Traducir conceptos de datos complejos: actuar como un comunicador clave, traduciendo los problemas de datos técnicos en términos comerciales comprensibles para las partes interesadas.
• Mentoría a los miembros del equipo: apoyar a los analistas junior y a los ingenieros de datos, especialmente en la configuración de plataformas de experimentación, la adopción responsable de herramientas de IA y el seguimiento de las mejores prácticas de datos.
• Colaboración entre equipos: trabaje en estrecha colaboración con los equipos de productos, ingeniería y BI para garantizar que la infraestructura de datos respalde las necesidades empresariales en evolución, incluidos productos impulsados por IA y herramientas internas.
Por qué Prolific es un gran lugar para trabajar
Hemos creado una plataforma única que conecta a investigadores y empresas con un grupo global de participantes, lo que permite la recopilación de comentarios y datos sobre el comportamiento humano de alta calidad y de origen ético. Estos datos son la piedra angular para desarrollar sistemas de IA más precisos, matizados y alineados.
Creemos que el próximo salto en las capacidades de la IA no provendrá únicamente de la ampliación de los modelos existentes, sino de la integración de diversas perspectivas y comportamientos humanos en el desarrollo de la IA. Al proporcionar esta crucial infraestructura de datos humanos, Prolific se está posicionando a la vanguardia de la próxima ola de innovación en IA, una que refleja la amplitud y lo mejor de la humanidad....
Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/prolific/remote-analytics-engineer-179618)
Prolífico
Prolific no es un actor más en el espacio de la IA: somos los arquitectos de la infraestructura de datos humanos que está remodelando el panorama del desarrollo de la IA. En un mundo donde las tecnologías fundamentales de IA se mercantilizan cada vez más, es la calidad y diversidad de los datos generados por humanos lo que realmente diferencia los productos y modelos.
el papel
Como ingeniero de análisis en el equipo de infraestructura de datos de Prolific, estará a la vanguardia de la transformación y el mantenimiento de la infraestructura de datos de Prolific a medida que la forma en que las personas trabajan con los datos cambia rápidamente. Su trabajo será fundamental para rediseñar y ampliar nuestra pila de datos, garantizando que los canales de datos sean sólidos, eficientes y confiables, y que nuestros datos estén listos para ser consultados tanto por personas como por sistemas de inteligencia artificial.
Al poseer y optimizar nuestra base de código analítico y nuestra capa semántica, permitirá a los equipos de toda la empresa obtener respuestas confiables, ya sea a través de paneles de BI o preguntas en lenguaje natural. Ayudará a dar forma a cómo incorporamos LLM y agentes a la ingeniería analítica de forma segura y eficaz, y cerrará la brecha entre las partes interesadas técnicas y no técnicas para que las soluciones de datos complejas se comprendan claramente y se alineen con los objetivos comerciales.
Qué aportarás al papel
• Experiencia en dbt y SQL: profunda experiencia con dbt y SQL para diseñar, construir y mantener modelos de datos escalables.
• Modelado semántico: experiencia en la definición de métricas, entidades y lógica de negocios en una capa semántica (por ejemplo, dbt Semantic Layer/MetricFlow, Cube, LookML o similar), con una comprensión de lo que hace que un modelo sea confiable para consultas en lenguaje natural.
• IA aplicada en flujos de trabajo de datos: experiencia práctica en el uso de LLM en el trabajo de datos, como clasificación, extracción o enriquecimiento dentro de transformaciones, y comprensión de cómo evaluar, probar y gobernar resultados que no son completamente deterministas.
• Herramientas agentes: familiaridad con los asistentes y agentes de codificación de IA (por ejemplo, Claude Code, Cursor, herramientas basadas en MCP) y una visión práctica sobre dónde aceleran la ingeniería analítica y dónde es esencial la revisión humana.
• Conocimiento de tecnología en la nube: gran familiaridad con plataformas en la nube como AWS o GCP.
• Enfoque en la precisión de los datos: Pasión por garantizar una alta calidad de los datos a través de pruebas, afirmaciones, evaluaciones y documentación sólida.
• Perspicacia comercial: capacidad para comprender las necesidades comerciales y comunicarse de manera efectiva con partes interesadas no técnicas.
• Colaboración: Hábil para trabajar de forma transversal y traducir conceptos técnicos complejos en conocimientos prácticos para el negocio.
• Impulsado por procesos: competencia en el diseño de flujos de trabajo repetibles y escalables para la transformación de datos, incluidos aquellos que combinan agentes automatizados con supervisión humana.
Qué harás en el puesto
• Creación de modelos de datos: cree modelos dbt complejos, macros personalizadas y paquetes reutilizables. Optimice las transformaciones e implemente estrategias de prueba sólidas para garantizar la integridad de los datos y el rendimiento del modelo.
• Creación de la capa semántica: diseñe y mantenga una capa semántica con métricas, dimensiones y descripciones bien definidas para que las partes interesadas y los asistentes de IA puedan consultar los datos de la empresa en lenguaje natural y obtener respuestas consistentes y precisas.
• Introducción de transformaciones no deterministas: cree y produzca pasos basados en LLM dentro de nuestros canales, como categorizar texto libre o enriquecer registros, con marcos de evaluación claros, monitoreo de costos y latencia, y alternativas para mantener los resultados confiables.
• Desarrollo de flujos de trabajo agentes: diseñe y adopte flujos de trabajo agentes en todo el ciclo de vida de la ingeniería analítica, incluida la generación de modelos, la documentación, la cobertura de pruebas, la revisión de códigos y la clasificación de incidentes, mientras define las barreras de seguridad y los procesos de revisión que mantienen la calidad alta.
• Propiedad: supervise y mantenga los trabajos de flujo de trabajo de dbt, lo que garantiza actualizaciones de datos fluidas y canalizaciones actualizadas. También será responsable de los modelos de datos que impulsan el análisis de BI y los informes a nivel empresarial.
• Garantizar la precisión de los datos: escriba pruebas y afirmaciones para validar la integridad y la coherencia de los datos en todos los modelos, y cree conjuntos de evaluación para medir la precisión del lenguaje natural y los resultados basados en LLM.
• Documentación y estandarización: cree y mantenga documentación exhaustiva de los procesos dbt y definiciones semánticas, tratando los metadatos como un activo de primera clase, ya que moldea directamente la calidad de las respuestas generadas por IA.
• Traducir conceptos de datos complejos: actuar como un comunicador clave, traduciendo los problemas de datos técnicos en términos comerciales comprensibles para las partes interesadas.
• Mentoría a los miembros del equipo: apoyar a los analistas junior y a los ingenieros de datos, especialmente en la configuración de plataformas de experimentación, la adopción responsable de herramientas de IA y el seguimiento de las mejores prácticas de datos.
• Colaboración entre equipos: trabaje en estrecha colaboración con los equipos de productos, ingeniería y BI para garantizar que la infraestructura de datos respalde las necesidades empresariales en evolución, incluidos productos impulsados por IA y herramientas internas.
Por qué Prolific es un gran lugar para trabajar
Hemos creado una plataforma única que conecta a investigadores y empresas con un grupo global de participantes, lo que permite la recopilación de comentarios y datos sobre el comportamiento humano de alta calidad y de origen ético. Estos datos son la piedra angular para desarrollar sistemas de IA más precisos, matizados y alineados.
Creemos que el próximo salto en las capacidades de la IA no provendrá únicamente de la ampliación de los modelos existentes, sino de la integración de diversas perspectivas y comportamientos humanos en el desarrollo de la IA. Al proporcionar esta crucial infraestructura de datos humanos, Prolific se está posicionando a la vanguardia de la próxima ola de innovación en IA, una que refleja la amplitud y lo mejor de la humanidad....
Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/prolific/remote-analytics-engineer-179618)
Este anuncio proviene de un feed de socios. Solicítalo en el sitio web de origen.
Fuente: prolific
Publicación proporcionada por prolific.
