Estados Unidos
HEARTLAND BUSINESS SYSTEMS LLC
Black Canyon Consulting
Ingeniero de Pipeline de Contenido
Estados Unidos
Bethesda, Maryland, United States
PythonAWS
Traducción automática. Consulta el original.
Descripción general
Buscamos un Ingeniero de Pipeline de Contenido para diseñar e implementar pipelines reutilizables para extraer, estructurar, indexar y recuperar información de documentos de permisos, mapas y otro contenido no estructurado.
El Ingeniero de Pipeline de Contenido desarrollará capacidades de procesamiento de documentos que abarcan OCR, análisis de documentos, extracción multimodal, enriquecimiento de metadatos, indexación vectorial, recuperación semántica y flujos de trabajo basados en agentes. El puesto dará soporte a documentos como archivos PDF, formularios escaneados, archivos de pozos, planos, dibujos topográficos, mapas y descripciones legales, poniendo su contenido a disposición de aplicaciones y servicios de IA posteriores.
Este puesto es remoto.
Si le gusta formar parte de una organización de alto rendimiento centrada en servicios profesionales y tecnología, ¡envíe su solicitud hoy mismo!
Funciones y responsabilidades
- Diseñar e implementar pipelines de ingesta y procesamiento reutilizables para archivos PDF, documentos escaneados, imágenes, formularios, mapas y otro contenido no estructurado.
- Implementar flujos de trabajo de OCR y procesamiento de documentos multimodal tanto para documentos estándar como para materiales relacionados con mapas.
- Extraer texto, tablas, metadatos, identificadores y atributos específicos del dominio de los documentos fuente.
- Apoyar la extracción de información de planos y dibujos topográficos, incluyendo descripciones legales, etiquetas, rumbos, distancias y otra información espacialmente relevante.
- Desarrollar procesos de análisis, clasificación, normalización, fragmentación y enriquecimiento de metadatos de documentos.
- Mantener el vínculo y la procedencia entre la información extraída, los documentos fuente, los sistemas de origen y los registros comerciales relacionados.
- Construir índices de documentos y vectoriales utilizando OpenSearch o tecnologías comparables.
- Implementar embeddings, búsqueda semántica y pipelines de recuperación.
- Desarrollar APIs e interfaces reutilizables que permitan a las aplicaciones y servicios de IA posteriores buscar y recuperar el contenido de los documentos.
- Implementar flujos de trabajo basados en agentes para actividades como la clasificación de documentos, la selección de estrategias de extracción, la validación, la gestión de excepciones y el control de calidad.
- Establecer umbrales de confianza y procesos de revisión humana para extracciones inciertas o ambiguas.
- Trabajar con ingenieros GIS para conectar los resultados de la extracción de mapas y documentos con geometrías georreferenciadas y vectorizadas.
- Trabajar con científicos de datos para crear conjuntos de datos de evaluación y medir la calidad del OCR, la extracción, la recuperación y la clasificación.
- Construir pruebas automatizadas, monitorización y observabilidad para los pipelines de procesamiento de documentos.
- Optimizar el procesamiento en cuanto a precisión, rendimiento, repetibilidad y coste.
Requisitos educativos
- Grado en Informática, Ingeniería de Software, Ciencia de Datos, Sistemas de Información o un campo técnico relacionado.
Requisitos
- 5+ años de experiencia en ingeniería de software, ingeniería de datos, búsqueda, procesamiento de documentos o experiencia relacionada.
- Sólida experiencia en desarrollo con Python y experiencia en la construcción de pipelines de procesamiento de datos o contenido de nivel de producción.
- Experiencia práctica en el procesamiento de archivos PDF, imágenes, documentos escaneados y contenido semiestructurado utilizando tecnologías de OCR y extracción de documentos.
- Experiencia con almacenes de documentos, motores de búsqueda o bases de datos vectoriales, incluyendo embeddings y recuperación semántica.
- Experiencia con análisis de documentos, clasificación, fragmentación, enriquecimiento de metadatos y preservación de la procedencia de la fuente.
- Experiencia con flujos de trabajo de procesamiento de documentos basados en agentes o habilitados por LLM, incluyendo extracción, validación, enrutamiento o gestión de excepciones.
- Experiencia en la construcción de pipelines robustos con pruebas automatizadas, registro, monitorización, gestión de errores y controles de calidad.
- Experiencia en la evaluación de la calidad del OCR y la extracción utilizando criterios medibles y umbrales de confianza.
- Sólidas habilidades de resolución de problemas para trabajar con formatos de documentos complejos e inconsistentes.
Habilidades adicionales
- Experiencia con OpenSearch.
- Experiencia con servicios de procesamiento de documentos, IA o machine-learning de AWS.
- Experiencia con marcos de trabajo basados en agentes como LangChain, LangGraph o marcos de orquestación similares.
- Experiencia con modelos multimodales, modelos de visión-lenguaje o extracción de documentos basada en LLM.
- Experiencia en la construcción de soluciones RAG o de búsqueda semántica empresarial.
- Experiencia con mapas, dibujos de ingeniería, planos, documentos topográficos o descripciones legales.
- Experiencia en la extracción de rumbos, distancias, coordenadas u otra información geoespacial de documentos.
- Experiencia trabajando en el ámbito del Gobierno Federal de los EE. UU.
- Experiencia con documentos de permisos, medioambientales, energéticos, de gestión de tierras o regulatorios.
Beneficios y salario
Atraemos a los mejores profesionales del sector con nuestro paquete de beneficios competitivo que incluye cobertura médica, dental y de visión, plan 401k con contribución del empleador, días festivos pagados, vacaciones y reembolso de matrícula.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil