高级数据工程师，OCR 与 AI 管道（远程，捷克）
构建 OCR 与文档摄取管道，将非结构化保险记录转换为结构化数据， 用于检索增强生成和反金融犯罪 AI 模型。
描述
- 开发可扩展的摄取管道，以处理大量非结构化保险文档
- 为包括 SharePoint 和电子邮件在内的企业数据源创建连接器
- 配置并优化 OCR 与文档解析工具，以准确提取文本和文档版式
- 自动执行文本清理、规范化、语义分块和元数据丰富
- 设计向量存储架构和可靠的检索系统，为下游 RAG 模型提供支持
- 在文档处理管道中维持企业安全性和低延迟 SLA 标准
- 实施错误监控和验证流程，以识别低置信度 OCR 结果
- 遵循稳健的工程实践，包括版本控制、CI/CD 和自动化测试
- 将大量保险文档集合转换为适用于 AI 系统的结构化高质量数据
- 通过 AI、自动化、高级分析和反金融犯罪咨询服务支持一家荷兰保险客户
任职要求
- 5 至 10 年专业数据工程经验
- 具备在公有云平台上构建数据处理和文档摄取管道的实践能力
- 具备处理非结构化文件的实践经验，包括 PDF、Word 文档、电子表格、演示文稿、扫描件和电子邮件
- 具备为 SharePoint 和电子邮件等企业系统开发连接器的经验
- 具备使用文档提取或 OCR 技术的实际经验，例如 AWS Textract 或同等工具
- 具备良好的软件工程规范，熟悉 Git、CI/CD 和自动化测试
- 必须掌握 Python 和 SQL
- 必须具备 AWS 经验，包括 S3、Step Functions 和 CloudWatch
- 必须具备 AWS Textract 或同等 OCR 和文档提取经验
- 必须具备非结构化文档处理和摄取管道经验
- 必须具备 Git、CI/CD 和测试经验
- 具备银行或保险行业经验者优先
- 有向量数据库和 RAG 架构经验者优先
- 有 Azure 和 Databricks 经验者优先
- 具备金融服务或保险领域知识者优先
- 位于欧洲；优先考虑在中东欧地区的候选人
- 可在 30 天内开始工作
福利待遇
- 长期远程优先的合同合作
- 合同期限至 2027 年 7 月，并有可能延长
- 可在欧洲范围内远程工作，优先考虑中东欧地区