Η Quantiphi είναι μια εταιρεία ψηφιακής μηχανικής με επίκεντρο την τεχνητή νοημοσύνη, η οποία βοηθά οργανισμούς να αξιοποιούν την τεχνητή νοημοσύνη, τα δεδομένα και τις τεχνολογίες cloud για την αντιμετώπιση σύνθετων επιχειρηματικών προκλήσεων. Ιδρύθηκε το 2013 και συνδυάζει τεχνογνωσία συμβουλευτικών υπηρεσιών και μηχανικής για την ανάπτυξη επεκτάσιμων εφαρμογών τεχνητής νοημοσύνης, την ενίσχυση των δυνατοτήτων ανάλυσης δεδομένων, τον εκσυγχρονισμό υποδομών cloud και την υλοποίηση προσαρμοσμένων λύσεων. Το έργο της υποστηρίζει οργανισμούς σε κλάδους όπως η υγειονομική περίθαλψη, τα χρηματοοικονομικά, η εκπαίδευση, το λιανικό εμπόριο και τα logistics, με τεχνολογικές συνεργασίες που περιλαμβάνουν τις AWS, Google Cloud και NVIDIA. Οι ομάδες της Quantiphi επικεντρώνονται στη μετατροπή προηγμένων τεχνολογιών σε πρακτικές λύσεις για τον επιχειρησιακό μετασχηματισμό.
Senior Μηχανικός Μηχανικής Μάθησης στην Quantiphi - Μουμπάι, εργασία από το γραφείο
Ηγήσου στον σχεδιασμό και την παράδοση κλιμακούμενων συστημάτων μηχανικής μάθησης, LLM και συνομιλιακής τεχνητής νοημοσύνης στην Quantiphi. Δημιούργησε πλαίσια πρακτόρων, δυνατότητες MLOps και λύσεις που ενσωματώνονται με το AWS.
Περιγραφή
- Σχεδιασμός, ανάπτυξη και ανάπτυξη σε παραγωγή κλιμακούμενων λύσεων μηχανικής μάθησης που καλύπτουν την παραδοσιακή ML, τα LLM και τη συνομιλιακή τεχνητή νοημοσύνη.
- Ανάληψη της πλήρους ζωής των συστημάτων ML και AI, από την προετοιμασία δεδομένων και τη μηχανική χαρακτηριστικών έως την ανάπτυξη, επικύρωση, ανάπτυξη σε παραγωγή και παρακολούθηση μοντέλων.
- Δημιουργία πλαισίων πρακτόρων έτοιμων για παραγωγή, με κλήσεις εργαλείων και συντονισμένες ροές εργασίας πολλαπλών πρακτόρων.
- Εφαρμογή πρακτικών MLOps σε συστήματα μηχανικής μάθησης και συστήματα που βασίζονται σε LLM.
- Ανάπτυξη αξιόπιστων REST API που συνδέουν λύσεις ML και συνομιλιακής AI με εταιρικές εφαρμογές και εξωτερικές υπηρεσίες.
- Δημιουργία κλιμακούμενων δυνατοτήτων αναλυτικής συνομιλιών και παρατηρησιμότητας για συστήματα AI.
- Συνεργασία με επιστήμονες δεδομένων, μηχανικούς δεδομένων, διαχειριστές προϊόντων και ενδιαφερόμενα μέρη για τη μετατροπή επιχειρηματικών αναγκών σε κλιμακούμενες λύσεις ML και AI.
- Σχεδιασμός λύσεων που υποστηρίζονται από LLM και ηγεσία στην ανάπτυξη πλαισίων πρακτόρων σε υποδομή AWS.
Απαιτήσεις
- 4–7 χρόνια επαγγελματικής εμπειρίας.
- Αποδεδειγμένη ικανότητα σχεδιασμού, ανάπτυξης και ανάπτυξης σε παραγωγή λύσεων ML μεγάλης κλίμακας, συμπεριλαμβανομένης της παραδοσιακής μηχανικής μάθησης και της συνομιλιακής AI που βασίζεται σε LLM.
- Εμπειρία στη διαχείριση ολόκληρου του κύκλου ζωής ML και AI, συμπεριλαμβανομένης της προετοιμασίας δεδομένων, της μηχανικής χαρακτηριστικών, της ανάπτυξης μοντέλων, της επικύρωσης, της ανάπτυξης σε παραγωγή και της παρακολούθησης.
- Εμπειρία στον σχεδιασμό πλαισίων πρακτόρων επιπέδου παραγωγής, ροών εργασίας κλήσης εργαλείων και συντονισμού πολλαπλών πρακτόρων.
- Εξειδίκευση στο MLOps, με κάλυψη ανάπτυξης, παρακολούθησης και βελτιστοποίησης για συστήματα ML και LLM.
- Ισχυρή γνώση παλινδρόμησης, δέντρων απόφασης, SVM, μεθόδων συνόλου, ομαδοποίησης, προεπεξεργασίας δεδομένων, επιλογής χαρακτηριστικών και στατιστικής μοντελοποίησης.
- Προηγμένη κατανόηση της μηχανικής προτροπών, της βελτιστοποίησης περιβάλλοντος, των προτύπων συλλογισμού πρακτόρων, του RAG, των διανυσματικών βάσεων δεδομένων και της σημασιολογικής αναζήτησης.
- Άριστη γνώση Python με scikit-learn, XGBoost, LightGBM, LangChain και CrewAI.
- Εμπειρία στην ανάπτυξη ανθεκτικών REST API για μοντέλα ML και εφαρμογές συνομιλιακής AI.
- Εμπειρία με υπηρεσίες AWS όπως SageMaker και Bedrock.
- Εμπειρία στην ανάπτυξη κλιμακούμενων πλαισίων αναλυτικής συνομιλιών και παρατηρησιμότητας AI.
- Εξαιρετικές ικανότητες επίλυσης προβλημάτων, επικοινωνίας και διαχείρισης ενδιαφερόμενων μερών.
- Εμπειρία με το Model Context Protocol (MCP) ή συγκρίσιμα πρότυπα επικοινωνίας πρακτόρων θεωρείται επιθυμητή.
- Εμπειρία στην αυτοματοποίηση υποστήριξης πελατών ή σε τεχνολογίες κέντρων επικοινωνίας θεωρείται επιθυμητή.
- Πιστοποιήσεις AI στο cloud, όπως AWS ML Specialty, Azure AI Engineer ή Google Cloud ML Engineer, θεωρούνται επιθυμητές.
Παροχές
- Χώρος εργασίας με επίκεντρο τη διαφάνεια, τη διαφορετικότητα, την ακεραιότητα, τη μάθηση και την επαγγελματική ανάπτυξη.
- Περιβάλλον που υποστηρίζει την καινοτομία παράλληλα με την επαγγελματική και προσωπική εξέλιξη.