Toyota Tsusho Europe
Toyota Tsusho Europe
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
تولیدخودرومشاوره
Toyota Tsusho Europe شعبه اروپایی Toyota Tsusho Systems (TTS) است و خدمات فناوری اطلاعات متناسب با فعالیت‌های گروه Toyota ارائه می‌دهد. حوزه کار آن راهکارهای ابری و امنیتی، برون‌سپاری خدمات مزایای کارکنان و فناوری یکپارچه برای تولید را دربرمی‌گیرد و از عملیات کسب‌وکار در بخش‌های خودروسازی، مشاوره و تولید پشتیبانی می‌کند.

مهندس هوش مصنوعی، علم داده و یادگیری ماشین

برای Toyota Tsusho Systems هوش مصنوعی مولدِ تحت حاکمیت، تولید تقویت‌شده با بازیابی (RAG) و سامانه‌های چندعاملی بسازید. گردش‌کارها و راهکارهای بازیابی امن، سنجش‌پذیر و قابل‌ردیابی توسعه دهید.

توضیحات

  • با مالکان داده و کسب‌وکار همکاری کنید تا اسناد تأییدشده، تعاریف داده، کارهای پیشین و دانش متخصصان را در یک پایگاه دانش تحت حاکمیت گردآوری کنید.
  • خطوط پردازش بازیابی، ساختارهای فراداده، رده‌بندی‌ها، برچسب‌ها، ارجاع به منابع و کنترل‌های کیفیت بسازید.
  • مجموعه‌داده‌های ارزیابی و معیارهای بازیابی ایجاد کنید و سپس شکاف‌های مربوط به ارتباط، اتکاپذیری، کامل‌بودن و نظارت بر منابع را شناسایی کنید.
  • در خروجی‌های تولیدشده، واقعیت‌های بازیابی‌شده را به‌روشنی از استنباط‌ها، فرض‌ها و موارد نیازمند تأیید متخصص موضوعی جدا کنید.
  • گردش‌کارهای امن چندعاملی بسازید که مدل‌های زبانی را با گام‌های قطعی هماهنگ کنند، ابزارها را ایمن به کار بگیرند و نتایج ساخت‌یافته و قابل‌ردیابی ارائه دهند.
  • نقش‌های عامل‌ها، قراردادهای ابزار، وضعیت گردش‌کار، اعتبارسنجی، رسیدگی به خطا، شرایط توقف و نقاط بازبینی انسانی را مشخص کنید.
  • الگوهای قابل‌استفادهٔ مجدد برای دستورها، گردش‌کارها و هماهنگ‌سازی ابزارها توسعه دهید.
  • ارزیابی‌های فنی و کاربرمحورِ خروجی عامل‌ها را تعریف و پیگیری کنید.
  • کار را در چرخه‌های چابک دوهفته‌ای تحویل دهید، دستاوردها را نمایش دهید، تصمیم‌های فنی را ثبت کنید و بازخورد پایلوت را به فهرست کارهای اولویت‌بندی‌شده تبدیل کنید.
  • روش‌های توسعه امن را به کار بگیرید و الزامات هوش مصنوعی مسئولانه، امنیت، حریم خصوصی، حاکمیت داده و هیئت بازبینی سازمانی را رعایت کنید.
  • با مسئول آیندهٔ عملیات همکاری کنید تا کد قابل‌نگهداری، راهنمای عملیات، پایش، روش‌های به‌روزرسانی منابع دانش و فهرست کارهای بهبود را تعریف کنید.

شرایط لازم

  • مدرک کارشناسی در علوم کامپیوتر، علم داده، یادگیری ماشین یا رشته‌ای مرتبط، یا تجربهٔ عملی معادل.
  • حداقل پنج سال تجربه در نرم‌افزار، علم داده، یادگیری ماشین یا مهندسی هوش مصنوعی.
  • تجربهٔ ارائهٔ نرم‌افزار Python در سطح آمادهٔ تولید و همکاری از طریق گردش‌کارهای مبتنی بر کنترل نسخه.
  • تجربهٔ عملی ساخت برنامه با مدل‌های زبانی بزرگ، سامانه‌های RAG، گردش‌کارهای عامل‌محور یا دستیارهای هوش مصنوعی مشابه با استفاده از APIها و یکپارچه‌سازی ساخت‌یافتهٔ ابزارها.
  • مهارت قوی در Python، از جمله آزمون، بازبینی کد، CI/CD، طراحی API، مستندسازی و قابلیت مشاهده.
  • تجربه در بازیابی و نمایه‌سازی داده، امبدینگ‌ها، جست‌وجوی برداری یا ترکیبی، طراحی ارزیابی و سنجش کیفیت.
  • توانایی تبدیل چالش‌های مبهم کسب‌وکار به نیازمندی‌های فنی آزمون‌پذیر و توضیح بده‌بستان‌ها برای همکاران فنی و غیرفنی.
  • تعهد اثبات‌شده به هوش مصنوعی مسئولانه، حریم خصوصی، امنیت و حاکمیت داده.
  • مزیت محسوب می‌شود: آشنایی با هماهنگ‌سازی نوین LLM، گردش‌کار عامل‌محور یا پلتفرم‌های کمک به توسعه‌دهندگان.
  • مزیت محسوب می‌شود: تجربهٔ طراحی چارچوب‌های ارزیابی LLM، سازوکارهای حفاظتی، مدیریت دستور و نسخه، تله‌متری یا کنترل‌های ریسک مدل.
  • مزیت محسوب می‌شود: تجربهٔ پشتیبانی از گردش‌کارهای چرخهٔ عمر ML، مستندسازی ویژگی یا داده، توسعهٔ مدل یا راه‌اندازی اولیهٔ پروژه‌های ML.
  • مزیت محسوب می‌شود: آشنایی با حاکمیت داده، هوش مصنوعی مسئولانه، کنترل دسترسی، قابلیت ممیزی و بازبینی با حضور انسان.

فرصت‌های شغلی مرتبط

هیچ موقعیت شغلی پیدا نشد

برای یافتن فرصت‌های بیشتر، فیلترها را تغییر دهید یا پاک کنید.