Semantic Data Engineer

🕒 Julho 27

⛰️ Colorado, Florida, +11 estados a mais – Remoto

⛰️ Colorado – Remote 🐊 Florida – Remote 🗻 New Hampshire – Remote 🌶️ New Mexico – Remote 🗽 New York – Remote 🌲 North Carolina – Remote 🌲 Oregon – Remote 🍂 Massachusetts – Remote 🔔 Pennsylvania – Remote ⚓ Rhode Island – Remote 🤠 Texas – Remote ⚔️ Virginia – Remote ☕ Washington – Remote

💵 $150.000 - $210.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🚰 Engenheiro de Dados

👻 Score fantasma 22%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Enterprise Knowledge, LLC

SiteLinkedInTodas as Vagas

51 - 200 funcionários

Fundada em 2013

💼 Consultoria

🤖 Inteligência Artificial

🏢 Corporativo

Consulting • Artificial Intelligence • Enterprise

A Enterprise Knowledge, LLC é uma empresa de consultoria em gestão do conhecimento e camada semântica que ajuda organizações a alinhar seus conteúdos, dados e iniciativas de IA. A EK oferece estratégia de gestão do conhecimento e transformação, desenvolvimento de taxonomias e ontologias, busca empresarial, gráficos de conhecimento e modelagem de dados, estratégia de conteúdo e operações, gestão de dados, avaliações de prontidão para IA, e implementação de camadas semânticas e direitos unificados. A empresa se posiciona como parceira para empresas complexas que buscam tornar o conhecimento organizacional acessível, compreensível e acionável tanto para humanos quanto para máquinas.

Descrição

• Work with data subject matter experts and business users to effectively understand and model their domain of knowledge • Apply NLP techniques (entity extraction, classification, and document processing) to transform raw data and content into AI-ready assets • Design, implement, test, and operate end-to-end RAG workflows for client engagements, including retrieval pipeline architecture, embedding strategies, and response evaluation • Contribute to agentic AI solution design and implementation, including orchestration patterns, tool use, and memory and retrieval integration • Support a variety of business intelligence projects using AI-based solutions • Analyze complex datasets and communicate insights to both technical and non-technical stakeholders • Design and implement data pipelines for ingesting, processing, and enriching structured and unstructured content using SQL, Python, R, or equivalent languages • Contribute to semantic layer and knowledge graph implementations as part of larger AI solution architectures • Work with internal and external teams to contextualize data engineering work into larger project context

🎯 Requisitos

• Bachelor’s degree in math, statistics, economics, data science, computer science, or a related field • 5+ years experience working on data analysis project(s) designing reports, and designing data analysis approaches and visualizations in a production setting • Proven experience working directly with clients, providing briefings, facilitating meetings, and presenting work products • Experience applying machine learning methods and statistical analysis to business use cases • Proficiency in programming languages such as Python, R, or similar for data analysis and modeling • Experience with NLP methods: entity extraction, text classification, document processing, or similar techniques applied to unstructured data in a production setting • Hands-on experience building and optimizing RAG pipelines, including embedding strategies, reranking, and cross-encoder models • Familiarity with retrieval quality and evaluation metrics (precision, recall, MRR, and user-centric evaluation approaches) • Experience implementing monitoring and observability for RAG and AI components, including latency, success rate, cache hit rate, retrieval quality, and data drift • Familiarity with data modeling, database architecture, and data integration, aggregation, and normalization across heterogeneous sources • Interest in developing as a consultant and taking on additional responsibilities for delivering and growing work