Senior staff AI data engineer

Stack

Feladatok

• ▹Meghatározod, hogyan alakítja át az AI az analitikát, a riportolást és az önkiszolgáló adathozzáférést: hol kezdődik, mit vált ki, mit tesz lehetővé, és milyen sorrendben haladtok
• ▹Te felelsz az eszközválasztásért, az adminisztrációért és az architektúráért: Claude on Snowflake, MCP-szerverek, skillek, ágens-munkafolyamatok, IDE-integrációk, valamint a megbízhatóság és a skálázhatósági korlátok a használat növekedésével
• ▹Kiértékelő (eval) és védőkorlát-rendszereket tervezel, amelyek élesítés előtt elkapják a regressziókat, és bizalmat adnak az ágensek kimenetéhez nagy téttel bíró riportolásnál
• ▹Meghatározod, hogyan javasoljátok, szabályozzátok és szállítjátok az analitikai use case-eket, hogy az AI-hozzáférés az adatokhoz hatásos és kontrollált legyen
• ▹Kinyomozod a legnehezebb hibákat, köztük azokat az ágens-problémákat, amelyek LLM-hibának látszanak, de valójában adatmodellezési, metaadat- vagy rendszertervezési gondok
• ▹Felkészülsz a ma még nem ismert jövőre: új ágensmintákra, eszközökre, üzleti kérdésekre és szabályozási követelményekre
• ▹Példát mutatsz és mentorálsz az AI-támogatott analitikában az analitikai mérnökök, elemzők és más mérnökök számára
• ▹Felismered, mit érdemes külsőleg megosztani, és vezeted a hozzá kapcsolódó tartalmat és kommunikációt
• ▹Az analitikai mérnöki csapattal együtt bővíted és finomítod a riportolást, az analitikát és az AI-fogyasztást kiszolgáló dbt + Snowflake modelleket, különös figyelemmel az ágensek pontosságához szükséges struktúrára, szemcsézettségre (grain) és dokumentációra
• ▹Befolyásolod a modellek, metrikák, tesztek, dokumentáció és lineage standardjait, és konszenzust építesz az egész csapatra kiterjedő elfogadásukhoz
• ▹Vezeted a szemantikai és kontextusrétegeket: metrikadefiníciók, üzleti kontextus és a metaadatok, amelyek a dashboardokat és az ágenseket egyaránt megbízhatóvá teszik

Elvárások

• ▹8+ év tapasztalat adatplatform-, ML-platform- vagy fejlesztőieszköz-területen, beleértve azt az időt is, amikor egy jelentős adat/ML/AI felület vezető műszaki hangja voltál
• ▹Éles tapasztalat LLM-rendszerek architektúrájában: ágensek, eval-ok, RAG, MCP, tool use, többlépéses munkafolyamatok és ezek hibamódjai
• ▹Erős dbt és felhő-adattárház ismeret (Snowflake előnyben); határozott véleménnyel bírsz a szemantikai rétegekről és a metaadatokról
• ▹Bizonyított képesség arra, hogy széles körű konszenzust építs a műszaki irányról, vagyis ne csak szállíts, hanem más csapatokkal is elfogadtasd a mintát
• ▹Komfortosan kommunikálsz kifelé: blogbejegyzések, előadások, OSS-hozzájárulás, ügyfelek felé irányuló szakmai vezetés
• ▹Architect-mentor szemlélet, nem magányos individual contributor: a hatásodat azzal mérik, mit tud a teljes analitikai szervezet, nem csak azzal, amit te szállítasz
• ▹Hiteles vagy egy stratégiai beszélgetésben arról, merre vigye az AI az analitikát, és másnap egy új adatmodell kidolgozásában is

Előny

• ▹Claude Code / Agent SDK
• ▹Egészségügyi / kárigény-adatok ismerete
• ▹Korábbi 0→1 platformépítés

Soft skillek

Amit kínálunk

• ▹Orvosi, fogászati és látásbiztosítás
• ▹Rugalmas szabadság
• ▹Fizetett családi és gondozói szabadság
• ▹Wellhub+ edzőtermi tagság
• ▹Adó előtti ingázási juttatások, HSA és FSA tervek
• ▹Cég által támogatott One Medical és Citibike tagság
• ▹Utazási orvosi juttatások
• ▹JOON: rugalmas életmód-keret, havi juttatással
• ▹Részvényopciók és 401(k) kiegészítés
• ▹Széles körű, cég által támogatott közösségi programok irodai és távoli munkatársaknak
• ▹Közös ebéd a New York-i központ munkatársainak

A munkáltatóról

A Stellar Health amerikai egészségügyi technológiai cég: pontosan a betegek egészségét helyezi előtérbe, és a háziorvosokat a minőségi ellátásért járó ösztönzőkkel, valós idejű betegadatokkal és a Stellar App ellenőrzőlistáival támogatja.