Inżynier analityk

Inżynier analityk

Płodny

Prolific to nie tylko kolejny gracz w przestrzeni AI — jesteśmy architektami infrastruktury danych ludzkich, która zmienia krajobraz rozwoju sztucznej inteligencji. W świecie, w którym podstawowe technologie sztucznej inteligencji są w coraz większym stopniu utowarowione, jakość i różnorodność danych generowanych przez ludzi naprawdę różnicuje produkty i modele.

Rola

Jako inżynier ds. analityki w zespole ds. infrastruktury danych w Prolific będziesz na czele transformacji i utrzymania infrastruktury danych Prolific, ponieważ sposób, w jaki ludzie pracują z szybko zmieniającymi się danymi. Twoja praca odegra kluczową rolę w przeprojektowaniu i skalowaniu naszego stosu danych, zapewniając solidność, wydajność i niezawodność potoków danych oraz gotowość do przeszukiwania danych zarówno przez ludzi, jak i systemy sztucznej inteligencji.

Posiadając i optymalizując naszą bazę kodu analitycznego i warstwę semantyczną, umożliwisz zespołom w całej firmie uzyskiwanie wiarygodnych odpowiedzi, czy to za pośrednictwem pulpitów nawigacyjnych BI, czy pytań w języku naturalnym. Pomożesz kształtować sposób, w jaki bezpiecznie i skutecznie włączamy menedżerów LLM i agentów do inżynierii analitycznej, a także wypełnisz lukę między interesariuszami technicznymi i nietechnicznymi, dzięki czemu złożone rozwiązania dotyczące danych będą jasno zrozumiane i dostosowane do celów biznesowych.

Co wniesiesz do tej roli

• Specjalizacja w dbt i SQL: Głębokie doświadczenie z dbt i SQL do projektowania, budowania i utrzymywania skalowalnych modeli danych.

• Modelowanie semantyczne: doświadczenie w definiowaniu metryk, encji i logiki biznesowej w warstwie semantycznej (np. dbt Semantic Layer/MetricFlow, Cube, LookML lub podobne) ze zrozumieniem, co sprawia, że ​​model jest niezawodny w przypadku zapytań w języku naturalnym.

• Stosowana sztuczna inteligencja w przepływach pracy z danymi: praktyczne doświadczenie w korzystaniu z LLM w pracy z danymi, np. w klasyfikacji, ekstrakcji lub wzbogacaniu w ramach transformacji, a także zrozumienie, w jaki sposób oceniać, testować i zarządzać wynikami, które nie są w pełni deterministyczne.

• Agentic Tooling: Znajomość asystentów i agentów kodowania AI (np. Claude Code, Cursor, narzędzi opartych na MCP) oraz praktyczne spojrzenie na to, gdzie przyspieszają one inżynierię analityczną, a gdzie niezbędna jest kontrola człowieka.

• Znajomość technologii chmurowej: Dobra znajomość platform chmurowych, takich jak AWS lub GCP.

• Nacisk na dokładność danych: pasja zapewniania wysokiej jakości danych poprzez testy, potwierdzenia, oceny i solidną dokumentację.

• Świadomość handlowa: umiejętność zrozumienia potrzeb biznesowych i skutecznej komunikacji z interesariuszami nietechnicznymi.

• Współpraca: umiejętność pracy międzyfunkcyjnej i przekładania złożonych koncepcji technicznych na praktyczne spostrzeżenia dla biznesu.

• Zorientowany na proces: Biegłość w projektowaniu powtarzalnych, skalowalnych przepływów pracy na potrzeby transformacji danych, w tym takich, które łączą zautomatyzowanych agentów z nadzorem człowieka.

Co będziesz robić na tym stanowisku

• Tworzenie modeli danych: Twórz złożone modele dbt, niestandardowe makra i pakiety wielokrotnego użytku. Optymalizuj transformacje i wdrażaj solidne strategie testowania, aby zapewnić integralność danych i wydajność modelu.

• Budowanie warstwy semantycznej: Zaprojektuj i utrzymuj warstwę semantyczną z dobrze zdefiniowanymi metrykami, wymiarami i opisami, aby interesariusze i asystenci AI mogli odpytywać dane firmy w języku naturalnym i uzyskiwać spójne, dokładne odpowiedzi.

• Wprowadzenie transformacji niedeterministycznych: Twórz i realizuj w ramach naszych potoków etapy oparte na LLM, takie jak kategoryzowanie dowolnego tekstu lub wzbogacanie rekordów, z jasnymi ramami oceny, monitorowaniem kosztów i opóźnień oraz rezerwami awaryjnymi, aby zapewnić wiarygodność wyników.

• Opracowywanie agentycznych przepływów pracy: Projektuj i wdrażaj agentyczne przepływy pracy w całym cyklu życia inżynierii analitycznej, w tym generowanie modelu, dokumentacja, pokrycie testów, przegląd kodu i selekcja incydentów, przy jednoczesnym definiowaniu zabezpieczeń i procesów przeglądu, które utrzymują wysoką jakość.

• Własność: Monitoruj i utrzymuj zadania przepływu pracy dbt, zapewniając płynne odświeżanie danych i aktualne potoki. Będziesz także odpowiedzialny za modele danych wspierające analitykę BI i raportowanie na poziomie firmy.

• Zapewnianie dokładności danych: Pisanie testów i asercji w celu sprawdzenia integralności i spójności danych w modelach oraz tworzenie zestawów ewaluacyjnych w celu pomiaru dokładności wyników opartych na języku naturalnym i LLM.

• Dokumentowanie i standaryzacja: Twórz i utrzymuj dokładną dokumentację procesów dbt i definicji semantycznych, traktując metadane jako pierwszorzędny zasób, ponieważ bezpośrednio kształtują jakość odpowiedzi generowanych przez sztuczną inteligencję.

• Tłumaczenie złożonych koncepcji dotyczących danych: pełnij rolę kluczowego komunikatora, tłumacząc kwestie dotyczące danych technicznych na zrozumiałe warunki biznesowe dla interesariuszy.

• Członkowie zespołu mentorskiego: Wspieraj młodszych analityków i inżynierów danych, zwłaszcza w konfigurowaniu platform eksperymentalnych, odpowiedzialnym stosowaniu narzędzi AI i przestrzeganiu najlepszych praktyk dotyczących danych.

• Współpraca między zespołami: Ściśle współpracuj z zespołami ds. produktów, inżynierii i BI, aby mieć pewność, że infrastruktura danych obsługuje zmieniające się potrzeby biznesowe, w tym produkty i narzędzia wewnętrzne oparte na sztucznej inteligencji.

Dlaczego Prolific to świetne miejsce do pracy

Stworzyliśmy unikalną platformę, która łączy badaczy i firmy z globalną pulą uczestników, umożliwiając gromadzenie wysokiej jakości danych i informacji zwrotnych o zachowaniu ludzi, pochodzących z etycznych źródeł. Dane te stanowią podstawę opracowywania dokładniejszych, bardziej dopracowanych i dostosowanych systemów sztucznej inteligencji.

Wierzymy, że kolejny skok w możliwościach sztucznej inteligencji nie będzie wynikał wyłącznie ze skalowania istniejących modeli, ale z integrowania różnych ludzkich perspektyw i zachowań w rozwoju sztucznej inteligencji. Zapewniając tę kluczową infrastrukturę danych ludzkich, Prolific pozycjonuje się na czele kolejnej fali innowacji w zakresie sztucznej inteligencji – takiej, która odzwierciedla szerokość i to, co najlepsze w ludzkości.…

Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/prolific/remote-analytics-engineer-179618)