Temple Health
Bright Vision Technologies
Engenheiro de Dados de IA
Sobre a oportunidade
Engenheiro de Dados de IA – Remoto
Esta é uma oportunidade fantástica de ingressar em uma organização estabelecida e respeitada, que oferece um tremendo potencial de crescimento na carreira.
Bright Vision Technologies é uma empresa de consultoria em tecnologia e desenvolvimento de software que oferece soluções em nuvem, IA, dados e soluções corporativas em todos os Estados Unidos.
Bright Vision Technologies é um empregador que oferece oportunidades iguais.
Como se candidatar
Título do Cargo: Engenheiro de Dados de IA
Localização: 100% Remoto (EUA)
Tipo de Posição: Tempo integral, contratação direta W2
Faixa Salarial: $80,000–$100,000 anuais
Experiência Necessária: 6+ anos
Patrocínio: Candidatos que sejam cidadãos dos EUA, portadores de Green Card, portadores de EAD e candidatos para transferência de visto H-1B são incentivados a se candidatar. Não podemos patrocinar novas petições de visto H-1B para esta posição.
Declaração de Igualdade de Oportunidades de Emprego (EEO)
A Bright Vision Technologies (BV Teck) está comprometida com a igualdade de oportunidades de emprego (EEO) para todos os funcionários e candidatos, sem distinção de raça, cor, religião, sexo, orientação sexual, identidade ou expressão de gênero, origem nacional, idade, informações genéticas, deficiência, status de veterano ou qualquer outro status protegido conforme definido pelas leis federais, estaduais ou locais aplicáveis. Este compromisso estende-se a todos os aspectos do emprego, incluindo recrutamento, contratação, treinamento, remuneração, promoção, transferência, licenças, rescisão, demissões e readmissão.
A BV Teck proíbe expressamente qualquer forma de assédio ou discriminação no local de trabalho. Qualquer interferência indevida na capacidade dos funcionários de desempenhar suas funções pode resultar em ação disciplinar, incluindo a rescisão do contrato de trabalho.
Resumo da Vaga
Estamos buscando um Engenheiro de Dados de IA para construir e operar os sistemas de dados de grande escala que impulsionam os pipelines modernos de treinamento e avaliação de IA. A função combina profunda experiência em engenharia de dados com um forte entendimento de cargas de trabalho de IA, com foco em ingestão, transformação, garantia de qualidade, linhagem e entrega de dados de alta taxa de transferência para trabalhos de treinamento em diversas modalidades. O candidato ideal possui experiência na operação de sistemas de dados em escala de petabytes, fundamentos sólidos de engenharia de software e um entendimento claro de como as escolhas de infraestrutura de dados se propagam para a qualidade do modelo e a eficiência do treinamento.
Qualificações Necessárias
- Bacharelado ou Mestrado em Ciência da Computação ou área relacionada.
- Seis ou mais anos de experiência em engenharia de dados, com trabalho significativo de suporte a cargas de trabalho de ML ou IA.
- Proficiência sólida em Python e pelo menos uma linguagem JVM ou de sistemas.
- Experiência profunda com frameworks modernos de processamento de dados, como Spark, Ray ou Beam.
- Experiência prática na operação de sistemas de armazenamento e pipelines em escala de petabytes.
- Forte entendimento de sistemas distribuídos, modelagem de dados e formatos de armazenamento.
- Experiência com versionamento de conjuntos de dados, linhagem e reprodutibilidade para fluxos de trabalho de ML.
- Familiaridade com carregamento de dados de alta taxa de transferência para treinamento baseado em aceleradores.
- Práticas sólidas de engenharia de software, incluindo testes, CI/CD e revisão de código.
- Excelentes habilidades de comunicação e colaboração multifuncional.
Qualificações Preferenciais
- Experiência com conjuntos de dados multimodais em grande escala.
- Familiaridade com ferramentas de qualidade de dados e metodologia de avaliação de conjuntos de dados.
- Exposição a sistemas de dados que preservam a privacidade e manuseio de dados regulamentados.
- Contribuições de código aberto para projetos de infraestrutura de dados.
- Experiência no suporte a pipelines de treinamento de modelos de fronteira.
