The Hartford
The Hartford
The Hartford یک شرکت بیمه و خدمات مالی است که به افراد، خانواده‌ها و کسب‌وکارهای کوچک تا متوسط خدمات ارائه می‌دهد. این شرکت که در سال ۱۸۱۰ تأسیس شده است، در کنار بیمه خودرو، خانه و کسب‌وکار، مزایای کارکنان و راهکارهای بیمه‌ای دیگر را نیز ارائه می‌کند. این شرکت همچنین به‌خاطر برنامه‌های بیمه خودرو و خانه با تأیید AARP شناخته می‌شود؛ این برنامه‌ها دسترسی اعضای شرکت‌کننده را به مزایا و تخفیف‌های ویژه فراهم می‌کنند.

مهندس داده گوگل کلاد — هارتفورد، ترکیبی

برای خودکارسازی حاکمیت فراداده در هارتفورد، خط لوله‌های داده گوگل کلاد بسازید. راهکارهای امن و مجهز به هوش مصنوعی برای داده‌های سازمانی را در چهار دفتر آمریکا توسعه دهید.

توضیحات

  • راهکارهای مهندسی داده سازمانی برای خودکارسازی مبتنی بر فراداده طراحی کنید.
  • خط لوله‌های داده عملیاتی و گردش‌کارهای ارکستراسیون را روی Google Cloud Platform بسازید.
  • پلتفرم‌های داده سازمانی را برای کشف فراداده، تبار داده و خودکارسازی به سامانه‌های حاکمیتی متصل کنید.
  • راهکارهای داده ابری امن، قابل‌اعتماد، قابل مشاهده و مقرون‌به‌صرفه مستقر کنید.
  • ثبت، طبقه‌بندی، اجرای سیاست‌ها و تبار داده را در گردش‌کارهای مهندسی ادغام کنید.
  • با استفاده از فراداده تحت حاکمیت و زمینه کسب‌وکار، در خودکارسازی هوشمند مشارکت کنید.
  • برای ارائه راهکارهای مهندسی قابل استفاده مجدد و همسو با استانداردهای معماری سازمان، با ذی‌نفعان همکاری کنید.
  • با خودکارسازی، پایش، آزمون، CI/CD و رویه‌های مهندسی پلتفرم، عملیات را بهبود دهید.
  • با تیم‌های حاکمیت داده، محصول، مهندسی پلتفرم و کسب‌وکار همکاری کنید.
  • از سرویس‌های گوگل کلاد، از جمله BigQuery، Cloud Storage، Composer، Dataplex و APIها استفاده کنید.
  • از ابزارهای توسعه با کمک هوش مصنوعی مانند GitHub Copilot و دیگر ابزارهای شتاب‌دهنده مهندسی بهره ببرید.
  • چارچوب‌ها، APIها و سرویس‌های پلتفرمی قابل استفاده مجدد بسازید که به پذیرش سازمانی و استانداردسازی کمک کنند.

شرایط لازم

  • تجربه عملی با Google Cloud Platform، از جمله BigQuery، Cloud Storage، IAM و ابزارهای ارکستراسیون.
  • تسلط به Python و SQL برای مهندسی داده، خودکارسازی، توسعه API و پردازش مقیاس‌پذیر داده.
  • تجربه ساخت و پشتیبانی از خط لوله‌های داده سازمانی، فرایندهای ETL/ELT یا سرویس‌های داده.
  • آشنایی با رویه‌های مهندسی نرم‌افزار، از جمله کنترل نسخه، آزمون، CI/CD و طراحی برنامه‌های ماژولار.
  • تجربه طراحی و پیاده‌سازی راهکارهای ابری امن و آماده محیط عملیاتی.
  • آشنایی با ابزارهای توسعه با کمک هوش مصنوعی و توانایی ارزیابی و به‌کارگیری راهکارهای تولیدشده با هوش مصنوعی.
  • توانایی قوی در حل مسئله، همکاری و ارتباطات.
  • مدرک کارشناسی در علوم کامپیوتر، مهندسی، فناوری اطلاعات، تحلیل داده یا رشته مرتبط، یا تجربه حرفه‌ای معادل؛ ترجیح داده می‌شود.
  • تجربه در هوش مصنوعی، راهکارهای عامل‌محور، خودکارسازی هوشمند یا گردش‌کارهای مجهز به یادگیری ماشین.
  • آشنایی با معماری‌های مبتنی بر فراداده و فناوری‌های کاتالوگ داده.
  • تجربه کار با پلتفرم‌های حاکمیت داده مانند Informatica IDMC/CDGC، Dataplex/Knowledge Catalog، Collibra یا ابزارهای مشابه.
  • آشنایی با مفاهیم تبار داده، کیفیت داده، مدیریت فراداده و واژه‌نامه کسب‌وکار.
  • تجربه یکپارچه‌سازی API، معماری‌های رویدادمحور و رویه‌های امنیت API.
  • آشنایی با Snowflake، معماری‌های چندابری، Terraform یا زیرساخت به‌عنوان کد.
  • داشتن مجوز کار در ایالات متحده بدون حمایت مالی شرکت الزامی است.
  • شرکت از تأیید برنامه آموزشی STEM OPT I-983 برای این موقعیت پشتیبانی نمی‌کند.

مزایا

  • پاداش کوتاه‌مدت یا سالانه
  • مشوق‌های بلندمدت
  • تقدیر فوری
  • رشد شغلی
  • یادگیری مستمر
  • محیط کاری پشتیبان و آینده‌نگر

فرصت‌های شغلی مرتبط

Cardinal Health

مدیر مهندسی داده در کاردینال هلث

Cardinal Health

رهبری تیم‌های تحول داده سازمانی در کاردینال هلث را بر عهده بگیرید و بر پلتفرم‌های گوگل کلاد، تحلیل داده و عملیات هوش مصنوعی/یادگیری ماشین نظارت کنید. راهنمایی اجرای کار، بهبود پلتفرم و توسعه کارکنان را بر عهده داشته باشید.

باز کردن
The Ohio State University, Main Campus

مهندس ارشد داده

The Ohio State University, Main Campus
۱ – ۱۰ کارکنان
آموزش

انبارهای داده سازمانی را برای سامانه سلامت دانشگاه ایالتی اوهایو بسازید و پشتیبانی کنید. برای تحلیل و گزارش‌دهی، فرایندهای ETL، مدل‌های داده و معماری پایگاه داده را توسعه دهید.

باز کردن
Travelers

مهندس داده I، داتابریکس و ام‌ال‌اوپس

Travelers

در شرکت Travelers، ارائه‌دهنده بیمه اموال و حوادث، خط لوله‌های داده داتابریکس و راهکارهای ام‌ال‌اوپس بسازید. با مهندسی داده از هوش مصنوعی، یادگیری ماشین و تحلیل‌های سازمانی پشتیبانی کنید.

باز کردن
Travelers

مهندس داده ۱، AWS و Python

Travelers

در Travelers، شرکت بیمه اموال و حوادث، با AWS و Python خط لوله‌های داده بسازید. راهکارهای هوش مصنوعی مولد را برای تحلیل سازمانی، هوش مصنوعی و یادگیری ماشین به کار بگیرید.

باز کردن
Retail Insight

مهندس ارشد داده، دیتابریکس

Retail Insight

برای مشتریان خرده‌فروشی آمریکایی ریتیل اینسایت، خط لوله‌ها و محصولات دادهٔ مطمئن دیتابریکس بسازید. به ارائهٔ زیرساخت تحلیل مقیاس‌پذیر در پلتفرم‌های دادهٔ ابری کمک کنید.

باز کردن