Brillio
Brillio
Η Brillio είναι εταιρεία συμβούλων τεχνολογίας που βοηθά οργανισμούς να διαχειριστούν τον ψηφιακό μετασχηματισμό στους τομείς της υγειονομικής περίθαλψης, των ασφαλίσεων, της εφοδιαστικής, των χρηματοοικονομικών υπηρεσιών, των τηλεπικοινωνιών και των μέσων ενημέρωσης, των επιστημών ζωής και του λιανικού εμπορίου. Το έργο της καλύπτει την εμπειρία πελάτη, τα δεδομένα και την τεχνητή νοημοσύνη, τη generative AI, τη μηχανική προϊόντων και πλατφορμών, καθώς και τις υποδομές, το cloud και την ασφάλεια. Η Brillio συνδυάζει τεχνογνωσία μηχανικής με γνώση των κλάδων για την ανάπτυξη ψηφιακών προϊόντων και τον εκσυγχρονισμό τεχνολογικών περιβαλλόντων, βοηθώντας τις επιχειρήσεις να ανταποκρίνονται στις μεταβαλλόμενες απαιτήσεις της αγοράς και της τεχνολογίας.

Ανώτερος επικεφαλής Επιστήμης Δεδομένων - AI/ML και LLM | Brillio | Υβριδική εργασία στην Ινδία

Ηγηθείτε εταιρικών πρωτοβουλιών AI στη Brillio, αναπτύσσοντας εφαρμογές LLM, συστήματα πρακτόρων και λύσεις μηχανικής μάθησης για παραγωγή. Καθοδηγήστε τα Databricks, MLOps, LLMOps και την παράδοση μοντέλων μέσω cloud σε έναν υβριδικό ρόλο στην Ινδία.

Περιγραφή

  • Σχεδιάστε και παραδώστε προηγμένες λύσεις μηχανικής μάθησης και τεχνητής νοημοσύνης, συμπεριλαμβανομένων εφαρμογών LLM και συστημάτων πρακτόρων, για την επίλυση σύνθετων επιχειρηματικών προβλημάτων και την επίτευξη μετρήσιμων αποτελεσμάτων.
  • Ηγηθείτε της ανάπτυξης, της ανάπτυξης σε παραγωγή και της λειτουργίας μοντέλων AI/ML και GenAI υψηλής διαθεσιμότητας και επεκτασιμότητας σε Azure, AWS ή GCP.
  • Αναπτύξτε και βελτιστοποιήστε πράκτορες AI και αυτόνομες ροές εργασίας με ισχυρή μνήμη, διαχείριση πλαισίου και αρχιτεκτονικές πολλαπλών πρακτόρων.
  • Ηγηθείτε εταιρικών φόρτων εργασίας AI/ML στο Databricks χρησιμοποιώντας AI Agents, Model Serving, Vector Search, MLflow και Unity Catalog.
  • Καθιερώστε πρακτικές MLOps και LLMOps που καλύπτουν CI/CD, διαχείριση κύκλου ζωής μοντέλων, παρακολούθηση πειραμάτων, αξιολόγηση και εποπτεία.
  • Αναπτύξτε και υλοποιήστε αρχιτεκτονικές RAG, embeddings, διανυσματικές βάσεις δεδομένων, μηχανική προτροπών και πλαίσια αξιολόγησης LLM.
  • Εφαρμόστε ασφάλεια AI, υπεύθυνη AI, ιδιωτικότητα δεδομένων και μηχανισμούς προστασίας για την αντιμετώπιση παραισθήσεων, έγχυσης προτροπών και άλλων κινδύνων GenAI.
  • Καθοδηγήστε μηχανικούς και παρέχετε τεχνική κατεύθυνση, συνεργαζόμενοι με διαλειτουργικές ομάδες για την παράδοση επεκτάσιμων λύσεων AI επιχειρησιακού επιπέδου.

Απαιτήσεις

  • Τουλάχιστον οκτώ χρόνια εμπειρίας στη μηχανική AI/ML, τη μηχανική μάθηση, την επιστήμη δεδομένων, τη μηχανική λογισμικού ή συναφή κλάδο.
  • Προχωρημένη πρακτική εμπειρία προγραμματισμού με Python.
  • Επάρκεια σε SQL και εμπειρία εργασίας με μεγάλης κλίμακας δομημένα και μη δομημένα σύνολα δεδομένων.
  • Ισχυρή πρακτική γνώση των βασικών αρχών της μηχανικής μάθησης και της τεχνητής νοημοσύνης.
  • Πρακτική εμπειρία στην ανάπτυξη και ανάπτυξη εφαρμογών LLM.
  • Εξειδίκευση στο agentic AI, συμπεριλαμβανομένων του συντονισμού, των αυτόνομων ροών εργασίας, της κλήσης εργαλείων ή συναρτήσεων, του σχεδιασμού, της αποσύνθεσης εργασιών, της μνήμης και της διαχείρισης πλαισίου.
  • Εκτεταμένη πρακτική εμπειρία με τα Databricks AI Agents και το ευρύτερο οικοσύστημα Databricks.
  • Εμπειρία σε MLOps και LLMOps, συμπεριλαμβανομένων των CI/CD, της διαχείρισης κύκλου ζωής μοντέλων, της παρακολούθησης πειραμάτων και της ανάπτυξης σε παραγωγή.
  • Αποδεδειγμένη εμπειρία στην ανάπτυξη και λειτουργία μοντέλων και εφαρμογών AI/ML ή GenAI σε Azure, AWS ή GCP.
  • Εξειδίκευση σε αρχιτεκτονικές RAG, embeddings, διανυσματικές βάσεις δεδομένων ή διανυσματική αναζήτηση, μηχανική προτροπών και αξιολόγηση LLM.
  • Επάρκεια σε πλαίσια LLM και GenAI ή εργαλεία συντονισμού όπως LangChain, LangGraph, Semantic Kernel ή αντίστοιχες τεχνολογίες.
  • Πτυχίο στη Γ علوم Υπολογιστών, την Επιστήμη Δεδομένων, την Τεχνητή Νοημοσύνη, την Τεχνολογία Πληροφορικής ή συναφή κλάδο προτιμάται, αλλά δεν απαιτείται.
  • Πιστοποιήσεις στη μηχανική μάθηση, τη μηχανική AI, την επιστήμη δεδομένων, τις πλατφόρμες cloud ή τα MLOps προτιμώνται, αλλά δεν απαιτούνται.