Az ElevenLabs a hanggenerálás fejlesztésére összpontosító mesterségesintelligencia- és médiakutató laboratórium. Munkája a hangalapú mesterséges intelligencia új megközelítéseit és azok gyakorlati alkalmazását vizsgálja. Célja, hogy a tartalmakat különböző nyelveken és hangokon is hozzáférhetőbbé tegye, miközben gazdagabb élményt nyújt a közönség számára világszerte.
Analitikai mérnök az ElevenLabsnél (távmunka, Egyesült Királyság)
Megbízható dbt-metrikákat, KPI-modelleket és újrahasznosítható adattermékeket fejleszthet az ElevenLabsnél, az AI-hang-, kreatív- és ügynökplatformot fejlesztő vállalatnál. Szorosan együttműködhet az adatcsapatokkal és az üzleti érdekelt felekkel, hogy az összetett kérdésekből megbízható, vállalati szintű betekintések szülessenek.
Leírás
- Legyen felelős a nyers adatokat az üzleti döntésekkel összekapcsoló transzformációs rétegért
- Fejlessze és tartsa karban a vállalati adatmodelleket dbt-ben
- Hozzon létre hitelesített metrikákat a szervezet egészében történő használatra
- Alakítson ki modellezési szabványokat az elemzők és az adattudósok számára
- Vezesse a metrikaréteg megvalósítását a modellezési konvenciók, a projektstruktúra, a tesztelés, a CI és a dokumentáció terén
- Tervezzen és tartson karban hitelesített KPI-modelleket a termék-, pénzügyi és vállalati szintű jelentésekhez
- Fejlesszen olyan KPI-modelleket, amelyek megfelelnek a szigorú auditkövetelményeknek
- Működjön együtt az adatbázis-mérnökséggel az adattárház-architektúra továbbfejlesztésében
- Fordítsa le az egyértelműen nem definiált érdekeltfél-igényeket megbízható, újrahasznosítható adattermékekké
- Tegye elérhetővé az adatokat az AI-ügynökök számára, ahol ez megfelelő
Követelmények
- Bizonyított tapasztalat dbt-projektek és metrikarétegek felépítésében és skálázásában, lehetőleg egy növekvő csapat első analitikai mérnökeként
- A dbt és a haladó SQL szakértői ismerete
- A dimenzionális modellezés, az adatszemcsézettség és az inkrementális modellezési minták alapos ismerete
- BigQuery vagy hasonló adattárház használatában szerzett jártasság
- Python-ismeret
- Üzleti intelligenciaeszközökkel, például a Lookerrel szerzett tapasztalat
- Szigorú megközelítés az adatminőséghez, beleértve a tesztelést, a dokumentációt és az egyeztetést
- Különböző érdekeltfél-igények értelmezésének képessége, szükség esetén a feltételezések megkérdőjelezése, valamint ezek általánosított, jól dokumentált modellekké alakítása
- Képesség a CET és az ET időzónák szerinti munkavégzésre
- Gyakorlati tapasztalat dbt-projektek és metrikarétegek megvalósításában
- A számlázási, előfizetési és ARR-adatok Stripe vagy Salesforce használatával történő modellezésében szerzett tapasztalat előnyt jelent
- Nagyméretű termékesemény-adatok modellezésében szerzett tapasztalat előnyt jelent
- LLM-alapú ügynökök adatellátásában, illetve AI-eszközökhöz szemantikai és metrikarétegek kialakításában szerzett tapasztalat előnyt jelent
- A Slim CI, az adatszerződések, a PII-szabályzati címkék és az adattárházi hozzáférés infrastruktúrakódként történő kezelésének ismerete előnyt jelent
Juttatások
- Éves, diszkrecionális szakmai fejlődési keret
- Éves, diszkrecionális keret a kollégákkal való találkozásokhoz
- Éves vállalati offsite
- Havi coworking-támogatás a fő irodai központokon kívül dolgozó munkatársak számára
- A távmunkát előnyben részesítő munkavégzés
- Hozzáférés a londoni, varsói, dublini vagy New York-i irodákhoz