Ford Motor Company je americký výrobce automobilů, jehož historie sahá do roku 1903. Kromě vývoje a výroby vozidel společnost rozšiřuje své zaměření na služby mobility, digitální řešení a software. Ford se také věnuje udržitelnému rozvoji a stanovuje environmentální cíle, čímž propojuje dopravu, inovace, dopad na komunity a odpovědné podnikatelské postupy.
Architekt AI/ML ve společnosti Ford Motor Company (hybridní režim, Indie)
Vytvářejte autonomní agenty, multiagentní systémy a pipeline generování s rozšířeným vyhledáváním pro podnikové využití. Nasazujte generativní AI v Google Cloud s využitím MLOps, kontejnerů a vektorových databází.
Popis
- Vyvíjejte a nasazujte autonomní a poloautonomní AI agenty pro podnikové procesy.
- Navrhujte multiagentní architektury s orchestrace, rozkladem úkolů, plánovacími smyčkami a komunikací mezi agenty.
- Propojujte agenty s podnikovými platformami, REST a GraphQL API, databázemi a službami Google Cloud.
- Vytvářejte možnosti krátkodobé, dlouhodobé, epizodické a sémantické paměti.
- Vytvářejte, testujte, zdokonalujte a udržujte šablony promptů a opakovaně použitelné knihovny promptů.
- Posuzujte, vybírejte a dolaďujte základní modely včetně Gemini prostřednictvím Vertex AI Model Garden.
- Vytvářejte a optimalizujte vysokokapacitní RAG pipeline s nízkou latencí, včetně příjmu dokumentů, jejich dělení na části a generování embeddingů.
- Integrujte a provozujte škálovatelné vektorové databáze.
- Čistěte a připravujte strukturovaná i nestrukturovaná data k použití.
- Zřizujte zabezpečená prostředí Google Cloud pomocí Terraformu a přístupu „infrastruktura jako kód“.
- Vytvářejte a udržujte CI/CD pipeline pro automatizované testy, sestavování kontejnerů a nasazování napříč prostředími.
- Balte aplikace a agenty do Dockeru a následně je nasazujte v GKE nebo Cloud Run.
- Nastavujte orchestraci pracovních postupů pomocí nástrojů, jako jsou Vertex AI Pipelines nebo Cloud Composer/Airflow.
- Definujte metriky a testovací pipeline pro hodnocení kvality agentů, latence, spotřeby tokenů a četnosti halucinací.
- Zavádějte filtrování obsahu, moderaci, kontroly opory odpovědí ve zdrojích, ochranu před vkládáním promptů, opatření na ochranu soukromí a kontrolní kroky s lidským dohledem.
- Nastavujte produkční monitoring, logy, distribuované trasování a upozornění v reálném čase.
- Vylepšujte pracovní postupy agentů, nastavení modelů, cachování a infrastrukturu s ohledem na náklady a výkon.
- Spravujte větve Git, pull requesty a revize kódu.
- Spolupracujte s datovými vědci, softwarovými inženýry a obchodními týmy na dodávce AI řešení připravených pro produkční nasazení.
- Dokumentujte systémovou architekturu, toky agentů, nástroje, prompty, kontejnery a provozní postupy.
Požadavky
- Nejméně tři roky odborné praxe v oblasti strojového učení nebo AI engineeringu a pevné základy MLOps.
- Jeden až dva roky praktických zkušeností s návrhem a nasazováním produkčních systémů LLM, generativní AI nebo agentních systémů.
- Expertní znalost jazyka Python.
- Zkušenosti s PyTorch, TensorFlow nebo Scikit-learn.
- Silné teoretické i praktické znalosti hlubokého učení, zpracování přirozeného jazyka a architektur Transformer.
- Praktické zkušenosti s LangChain, LangGraph, LlamaIndex, CrewAI nebo Vertex AI Agent Builder.
- Prokazatelné zkušenosti s Google Cloud Platform, Dockerem, Kubernetes/GKE, Cloud Run a Cloud Functions.
- Prokazatelné zkušenosti s vektorovým indexováním, sémantickým vyhledáváním, Vertex AI Vector Search, AlloyDB nebo srovnatelnými nástroji.
- Znalost databází SQL a NoSQL, REST API a GraphQL API.
- Zkušenosti s Terraformem, Gitem a nástroji CI/CD, jako jsou Cloud Build, GitLab CI nebo Jenkins.
- Zkušenosti s Prometheus, Cloud Logging nebo LangSmith a s hodnocením kvality a bezpečnosti výstupů LLM.
- Certifikace Google Cloud Professional Machine Learning Engineer nebo Professional Cloud Architect je velmi žádoucí.
- Bakalářský titul nebo ekvivalentní vzdělání.