Ford Motor Company е базиран в Съединените щати автомобилен производител с история, датираща от 1903 г. Освен че разработва и произвежда превозни средства, компанията разширява фокуса си към услуги за мобилност, дигитални изживявания и софтуер. Дейността на Ford включва и инициативи за устойчиво развитие и екологични цели, които свързват транспорта, иновациите, въздействието върху общностите и отговорните бизнес практики.
Специалист по данни за NLP и генеративен изкуствен интелект във Ford, Индия – хибридна работа
Разработвайте NLP, LLM и генеративни AI продукти за автомобилни приложения във Ford. Създавайте мултимодални конвейери, агентни работни процеси, API и приложения за крайни потребители в голям мащаб.
Описание
- Създавайте NLP, LLM и генеративни AI приложения и продукти с дисциплинирани практики за програмиране.
- Оценявайте усъвършенствани модели и методи за автомобилни приложения.
- Провеждайте експерименти по машинно обучение за обучение и инференция на модели при ограничения на паметта и латентността.
- Внедрявайте NLP REST API и леки потребителски интерфейси с Docker и Kubernetes.
- Представяйте NLP, LLM и генеративни AI приложения чрез Dash, Plotly и Streamlit.
- Комбинирайте множество ботове в мултимодални приложения, задвижвани от LLM.
- Създавайте агентни работни процеси с Autogen, AgentBuilder и LangGraph.
- Разработвайте модулни продукти за AI и машинно обучение, предназначени за мащабируемо използване.
- Работете с глобални технически експерти по продукти за класификация, отговаряне на въпроси, чатботове, превод, семантично търсене и обобщаване.
Изисквания
- Бакалавърска или магистърска степен по компютърни науки, инженерство, математика или сродна научна област.
- Разбиране на теорията и практиките на дълбокото обучение за NLP приложения.
- Опит с програмиране с ADK, A2A, AgentSkills, Ontology, Hugging Face, LangGraph, LangChain, Chainlit, TensorFlow или PyTorch, scikit-learn, NumPy и Pandas.
- Познаване на поне две NLP библиотеки с отворен код, като spaCy, TorchText, fastai.text или FARM Haystack.
- Познания по техники за обработка на текст, включително регулярни изрази, анализ на токени и думи, корекция на правописа, намаляване на шума, сегментиране на изречения и клъстеризация.
- Практически опит с внедряване на BERT или други фино настроени трансформър модели за класификация на последователности, разпознаване на именувани обекти или отговаряне на въпроси.
- Познаване на Docker и среди с pipenv, conda или Poetry.
- Познаване на практиките за управление на Python проекти, включително setup.py, журнални записи, pytest, относителни импорти и документация със Sphinx.
- Познаване на работните процеси в GitHub.
- Опит с услуги на GCP, включително BigQuery, Cloud Functions, Cloud Run, Cloud Build и Vertex AI.
- Работни познания за инструменти с отворен код за бенчмаркинг и генериране на обобщения.
- Опит с използване на GPU и CPU ресурси в облачни и локални среди.
- Способност за използване на облачни платформи за инженеринг на данни, големи данни и работни натоварвания за машинно обучение.
- Опит с Docker, docker-compose и експерименталните възможности на Docker.
- Познаване на Airflow и Kubeflow.
- Опит с CI/CD и инструменти за инфраструктура като код, например Terraform.
- Опит с Kubernetes или други контейнерни платформи, включително Helm и Argo Workflows.
- Способност за създаване на съвместими, етични, сигурни и безопасни AI API.
- Опит в разработването на потребителски интерфейси или визуализации с Gradio, Dash, Streamlit, React или Django.
- Опит с разпределени изчисления със Spark, Dask, RAPIDS AI или cuDF.
- Способност за изграждане на Python API с FastAPI, Flask или Django.
- Опит с Elasticsearch и Apache Solr е предимство; релевантен е и опитът с векторни бази данни.
- Опит с LLM като GPT-5, Gemini, Kimi или Seedance.
- Опит с целия жизнен цикъл на генеративни AI модели, включително обучение, тестване, внедряване и наблюдение на производителността.
- Опит в разработването и поддръжката на мултимодални AI конвейери за текст, изображения и аудио.
- Практически опит с внедряване на чатботове или разговорни агенти в голям мащаб и с разнообразни източници на данни.
- Опит в създаването на инструменти за генериране на изображения или превод с модели на латентна дифузия като Stable Diffusion или Instruct Pix2Pix.
- Експертни познания в работата с мащабни структурирани и неструктурирани данни.
- Опит в управлението на мащабни набори от данни и резултати от генеративен AI.
- Силни комуникационни и умения за сътрудничество между географски региони.