Ford Motor Company er en amerikansk bilproducent med en historie, der går tilbage til 1903. Ud over at udvikle og producere køretøjer udvider virksomheden sit fokus til mobilitetstjenester, digitale oplevelser og software. Fords arbejde omfatter også bæredygtighedsindsatser og miljømål, hvilket afspejler en tilgang, der forbinder transport, innovation, samfundspåvirkning og ansvarlig forretningsdrift.
AI/ML-arkitekt hos Ford Motor Company (hybrid, Indien)
Udvikl autonome agenter, multiagentsystemer og RAG-pipelines til virksomheder. Sæt generativ AI i produktion på Google Cloud med MLOps, containere og vektordatabaser.
Beskrivelse
- Udvikl og sæt autonome og delvist autonome AI-agenter i drift til virksomhedsprocesser.
- Design multiagentarkitekturer med orkestrering, opdeling af opgaver, planlægningsloops og kommunikation mellem agenter.
- Forbind agenter med virksomhedssystemer, REST- og GraphQL-API'er, databaser og Google Cloud-tjenester.
- Byg funktioner til korttids-, langtids-, episodisk og semantisk hukommelse.
- Opret, test, finpuds og vedligehold promptskabeloner og genanvendelige promptbiblioteker.
- Vurder, vælg og finjuster grundmodeller, herunder Gemini via Vertex AI Model Garden.
- Byg og optimer RAG-pipelines med høj kapacitet og lav latenstid, herunder dokumentindlæsning, opdeling i tekststykker og generering af embeddings.
- Integrer og driv skalerbare vektordatabaser.
- Rens og klargør strukturerede og ustrukturerede data til brug.
- Etabler sikre Google Cloud-miljøer med Terraform som infrastruktur som kode.
- Byg og vedligehold CI/CD-pipelines til automatiserede tests, containerbygninger og udrulning på tværs af miljøer.
- Pak applikationer og agenter med Docker, og udrul dem derefter på GKE eller Cloud Run.
- Opsæt workfloworkestrering med værktøjer som Vertex AI Pipelines eller Cloud Composer/Airflow.
- Definér målepunkter og testpipelines til vurdering af agentkvalitet, latenstid, tokenforbrug og hallucinationsrater.
- Tilføj indholdsfiltrering, moderering, groundingkontroller, forsvar mod promptinjektion, privatlivskontroller og trin til menneskelig gennemgang.
- Opsæt produktionsovervågning, logs, distribueret tracing og alarmer i realtid.
- Forbedr agentworkflows, modelindstillinger, caching og infrastruktur med henblik på omkostninger og ydeevne.
- Administrer Git-grene, pull requests og kodegennemgange.
- Samarbejd med dataforskere, softwareingeniører og forretningsteams om at levere AI-løsninger, der er klar til produktion.
- Dokumentér systemarkitektur, agentforløb, værktøjer, prompts, containere og driftsprocedurer.
Krav
- Mindst tre års professionel erfaring med maskinlæring eller AI-teknik samt et solidt fundament inden for MLOps.
- Et til to års praktisk erfaring med at designe og sætte LLM-, generativ AI- eller agentbaserede systemer i produktion.
- Ekspertfærdigheder i Python.
- Erfaring med PyTorch, TensorFlow eller Scikit-learn.
- Stærk teoretisk og praktisk viden om deep learning, naturlig sprogbehandling og Transformer-arkitekturer.
- Praktisk erfaring med LangChain, LangGraph, LlamaIndex, CrewAI eller Vertex AI Agent Builder.
- Dokumenteret erfaring med Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run og Cloud Functions.
- Dokumenteret erfaring med vektorindeksering, semantisk søgning, Vertex AI Vector Search, AlloyDB eller tilsvarende værktøjer.
- Kendskab til SQL- og NoSQL-databaser, REST-API'er og GraphQL-API'er.
- Erfaring med Terraform, Git og CI/CD-værktøjer som Cloud Build, GitLab CI eller Jenkins.
- Erfaring med Prometheus, Cloud Logging eller LangSmith samt evaluering af kvaliteten og sikkerheden af LLM-output.
- Certificering som Google Cloud Professional Machine Learning Engineer eller Professional Cloud Architect er meget ønskelig.
- Bachelorgrad eller tilsvarende.