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.
Data Scientist, NLP a generativní AI ve Fordu, Indie, hybridní práce
Vyvíjejte produkty založené na NLP, LLM a generativní AI pro automobilové využití ve Fordu. Vytvářejte multimodální pipeline, agentní workflow, API a uživatelské aplikace ve velkém měřítku.
Popis
- Vytvářejte aplikace a produkty založené na NLP, LLM a generativní AI s využitím disciplinovaných programátorských postupů.
- Vyhodnocujte pokročilé modely a metody pro automobilové aplikace.
- Provádějte experimenty strojového učení pro trénování modelů a inferenci s ohledem na omezení paměti a latence.
- Nasazujte REST API pro NLP a odlehčená uživatelská rozhraní pomocí Dockeru a Kubernetes.
- Prezentujte aplikace založené na NLP, LLM a generativní AI s využitím nástrojů Dash, Plotly a Streamlit.
- Propojujte více botů do multimodálních aplikací poháněných LLM.
- Vytvářejte agentní workflow pomocí nástrojů Autogen, AgentBuilder a LangGraph.
- Vyvíjejte modulární produkty v oblasti AI a strojového učení určené pro škálovatelné využití.
- Spolupracujte s globálními technickými odborníky na produktech pro klasifikaci, odpovídání na otázky, chatboty, překlad, sémantické vyhledávání a sumarizaci.
Požadavky
- Bakalářský nebo magisterský titul v oboru informatiky, techniky, matematiky nebo příbuzném přírodovědném oboru.
- Znalost teorie a postupů hlubokého učení pro aplikace NLP.
- Programátorská praxe s nástroji ADK, A2A, AgentSkills, Ontology, Hugging Face, LangGraph, LangChain, Chainlit, TensorFlow nebo PyTorch, scikit-learn, NumPy a Pandas.
- Znalost alespoň dvou open source knihoven NLP, například spaCy, TorchText, fastai.text nebo FARM Haystack.
- Znalost technik zpracování textu včetně regulárních výrazů, analýzy tokenů a slov, opravy pravopisu, redukce šumu, segmentace vět a shlukování.
- Praktická zkušenost s nasazováním modelu BERT nebo jiných doladěných transformerových modelů pro klasifikaci sekvencí, rozpoznávání pojmenovaných entit nebo odpovídání na otázky.
- Znalost Dockeru a prostředí pipenv, conda nebo Poetry.
- Znalost postupů správy projektů v Pythonu včetně setup.py, logging, pytest, relativních importů a dokumentace Sphinx.
- Znalost pracovních postupů GitHubu.
- Zkušenost se službami GCP včetně BigQuery, Cloud Functions, Cloud Run, Cloud Build a Vertex AI.
- Praktická znalost open source nástrojů pro benchmarking a generování souhrnů.
- Zkušenost s využíváním zdrojů GPU a CPU v cloudových i lokálních prostředích.
- Schopnost používat cloudové platformy pro datové inženýrství, big data a úlohy strojového učení.
- Zkušenost s Dockerem, docker-compose a experimentálními funkcemi Dockeru.
- Znalost Airflow a Kubeflow.
- Zkušenost s CI/CD a nástroji pro infrastrukturu jako kód, například Terraform.
- Zkušenost s Kubernetes nebo jinými kontejnerovými platformami včetně Helm a Argo Workflows.
- Schopnost vytvářet AI API, která splňují požadavky a jsou etická, bezpečná a spolehlivá.
- Zkušenost s vývojem uživatelských rozhraní nebo vizualizací pomocí Gradio, Dash, Streamlit, React nebo Django.
- Zkušenost s distribuovanými výpočty pomocí Spark, Dask, RAPIDS AI nebo cuDF.
- Schopnost vytvářet API v Pythonu pomocí FastAPI, Flask nebo Django.
- Zkušenost s Elasticsearch a Apache Solr je výhodou; relevantní je také zkušenost s vektorovými databázemi.
- Zkušenost s LLM, jako jsou GPT-5, Gemini, Kimi nebo Seedance.
- Zkušenost s celým životním cyklem modelů generativní AI včetně trénování, testování, nasazení a monitorování výkonu.
- Zkušenost s vývojem a údržbou multimodálních AI pipeline pro text, obraz a zvuk.
- Praktická zkušenost s nasazováním chatbotů nebo konverzačních agentů ve velkém měřítku napříč různými zdroji dat.
- Zkušenost s tvorbou nástrojů pro generování obrázků nebo překlad pomocí modelů latentní difuze, jako jsou Stable Diffusion nebo Instruct Pix2Pix.
- Expertní znalost práce s rozsáhlými strukturovanými i nestrukturovanými daty.
- Zkušenost se správou rozsáhlých datasetů a výstupů generativní AI.
- Silné komunikační a spolupracovní dovednosti napříč geografickými regiony.