Booz Allen Hamilton
Booz Allen Hamilton
Ang Booz Allen Hamilton ay isang kompanya ng konsultasyon sa pamamahala at teknolohiya na naglilingkod sa mga kliyenteng pamahalaan at komersyal gamit ang advanced na teknikal at estratehikong kadalubhasaan. Saklaw ng gawain nito ang pambansang seguridad, depensa, paniktik, pamahalaang sibilyan, at kritikal na imprastraktura, habang pinagtutulungan ng mga pangkat ang artificial intelligence, cybersecurity, cloud computing, digital transformation, engineering, at suporta sa misyon at operasyon. Partikular na nakatuon ang kompanya sa mga kumplikado at nangangailangan ng mataas na katiyakan na hamon para sa mga ahensiyang militar, paniktik, at pederal, pati na sa piling sektor komersyal.

RAG Data Engineer sa Booz Allen Hamilton — Annapolis Junction, MD

Bumuo ng imprastraktura para sa pag-ingest ng datos at paghahanap para sa mga enterprise AI application ng Booz Allen. Bumuo ng mga workflow para sa Amazon Bedrock embedding at OpenSearch retrieval.

Paglalarawan

  • Buuin at patakbuhin ang mga ingestion at search system na sumusuporta sa retrieval-augmented generation para sa mga kritikal na misyon.
  • Gumawa at magpanatili ng mga pipeline na naghahanda ng structured at unstructured na datos para sa retrieval.
  • Pamahalaan ang mga workflow ng ingestion, embedding, at indexing na nag-uugnay sa mga enterprise data source sa Amazon Bedrock at OpenSearch.
  • I-normalize at hatiin sa mga bahagi ang mga dokumento, bumuo ng embeddings, pagyamanin ang metadata, subaybayan ang lineage, at maaasahang pangasiwaan ang mga upsert at deletion.
  • Idisenyo at i-tune ang mga OpenSearch index, mapping, setting ng shard, lifecycle policy, at performance ng query.
  • Makipagtulungan sa mga cloud, security, application development, at AI/ML team upang bumuo ng scalable, secure, at matatag na retrieval infrastructure.
  • Tumulong sa pagbuo at pag-deploy ng mga enterprise RAG application.

Mga Kinakailangan

  • Karanasan sa pagbuo at pagpapanatili ng mga ETL o ingestion pipeline para sa structured at unstructured na datos.
  • Karanasan sa paghahanda ng mga dokumento sa pamamagitan ng normalization, parsing, paghahati sa mga bahagi, pagproseso ng content, at pagbuo ng embedding.
  • Karanasan sa pagdisenyo at pagpapanatili ng mga OpenSearch o Elasticsearch index, schema, mapping, at alias, at pagpapahusay ng search performance.
  • Karanasan sa pagbuo ng mga idempotent ingestion process na sumusuporta sa upsert, deletion, replay, at recovery mula sa pagkabigo.
  • Karanasan sa pagmomodelo at pagpapayaman ng metadata, lineage, at pagsubaybay ng bersyon.
  • Karanasan sa paggamit ng Python o ibang programming language para sa data engineering at automation.
  • Karanasan sa mga containerized application o deployment environment gaya ng Docker, ECS, EKS, o Kubernetes.
  • Kakayahang makipagtulungan sa mga engineering, security, cloud, at application development team.
  • Kailangan ang aktibong TS/SCI clearance.
  • Kailangan ang high school diploma o GED.
  • Mas gusto: Karanasan sa pagsasama ng Amazon Bedrock embeddings sa mga RAG ingestion pipeline.
  • Mas gusto: Karanasan sa pag-tune ng hybrid retrieval na pinagsasama ang BM25 keyword search at vector similarity search.
  • Mas gusto: Karanasan sa OpenSearch lifecycle policy, snapshot, restoration, at mga estratehiya sa index migration.
  • Mas gusto: Karanasan sa mga distributed o asynchronous processing tool gaya ng Spark, Ray, Dask, Kafka, o Amazon SQS.
  • Mas gusto: Karanasan sa paggamit ng mga resulta ng retrieval evaluation para i-tune ang paghahati ng dokumento, embeddings, at indexing.
  • Mas gusto: Karanasan sa pag-ingest ng datos mula sa maraming source at pag-normalize nito sa iba’t ibang source.
  • Mas gusto: Karanasan sa pagdisenyo ng scalable at secure na data infrastructure gamit ang mga serbisyo ng AWS.
  • Mas gusto: Karanasan sa mga infrastructure-as-code tool gaya ng Terraform, CloudFormation, o AWS CDK.

Mga Benepisyo

  • Saklaw sa kalusugan
  • Life insurance
  • Saklaw para sa kapansanan
  • Mga benepisyong pinansyal
  • Mga benepisyo sa pagreretiro
  • Bayad na leave
  • Mga pagkakataon para sa propesyonal na pag-unlad
  • Tulong sa matrikula
  • Mga programang sumusuporta sa balanse ng trabaho at buhay
  • Suporta sa pangangalaga ng mga dependent
  • Programa ng mga parangal bilang pagkilala
  • Pag-verify ng pagkakakilanlan upang makatulong na maiwasan ang panloloko
  • Inaasahang naka-on ang camera sa mga panayam, assessment, at virtual meeting.

Mga Kaugnay na Trabaho