Ford Motor Company on Yhdysvalloissa toimiva autovalmistaja, jonka historia ulottuu vuoteen 1903. Ajoneuvojen kehittämisen ja valmistamisen lisäksi yhtiö laajentaa toimintaansa liikkuvuuspalveluihin, digitaalisiin kokemuksiin ja ohjelmistoihin. Fordin toimintaan kuuluu myös kestävän kehityksen edistäminen ja ympäristötavoitteiden saavuttaminen, mikä kuvastaa lähestymistapaa, jossa yhdistyvät liikenne, innovointi, yhteiskunnallinen vaikutus ja vastuulliset liiketoimintakäytännöt.
Tekoäly- ja koneoppimisarkkitehti Ford Motor Companylla (hybridityö, Intia)
Rakenna yrityskäyttöön autonomisia agentteja, moniagenttijärjestelmiä ja RAG-putkia. Ota generatiivinen tekoäly tuotantokäyttöön Google Cloudissa MLOpsin, konttien ja vektoritietokantojen avulla.
Kuvaus
- Kehitä ja ota käyttöön autonomisia ja osittain autonomisia tekoälyagentteja yritysprosesseihin.
- Suunnittele moniagenttiarkkitehtuureja, joissa on orkestrointi, tehtävien jako, suunnittelusilmukat ja agenttien välinen viestintä.
- Yhdistä agentit yritysalustoihin, REST- ja GraphQL-rajapintoihin, tietokantoihin ja Google Cloud -palveluihin.
- Toteuta lyhyen ja pitkän aikavälin sekä episodisen ja semanttisen muistin ominaisuuksia.
- Luo, testaa, kehitä ja ylläpidä kehotemalleja ja uudelleenkäytettäviä kehotevalikoimia.
- Arvioi, valitse ja hienosäädä perustamalleja, mukaan lukien Gemini Vertex AI Model Gardenin kautta.
- Rakenna ja optimoi suuren läpimenon ja pienen viiveen RAG-putkia, mukaan lukien asiakirjojen sisäänluku, paloittelu ja upotusten luonti.
- Integroi skaalautuvia vektoritietokantoja ja ylläpidä niitä.
- Puhdista ja valmistele rakenteista ja rakenteetonta dataa käyttöä varten.
- Ota Terraformin infrastruktuuri koodina -menetelmällä käyttöön suojattuja Google Cloud -ympäristöjä.
- Rakenna ja ylläpidä CI/CD-putkia automaattisia testejä, konttien koontia ja eri ympäristöihin käyttöönottoa varten.
- Paketoi sovellukset ja agentit Dockerilla ja ota ne käyttöön GKE:ssä tai Cloud Runissa.
- Määritä työnkulkujen orkestrointi esimerkiksi Vertex AI Pipelinesilla tai Cloud Composerilla/Airflow’lla.
- Määritä mittarit ja testausputket agenttien laadun, viiveen, tokenien käytön ja hallusinaatioasteen arviointiin.
- Lisää sisällön suodatus ja moderointi, lähteisiin perustuvuuden tarkistukset, kehoteinjektiohyökkäysten torjunta, tietosuojakontrollit ja ihmisen suorittamat tarkistukset.
- Ota käyttöön tuotantoympäristön valvonta, lokit, hajautettu jäljitys ja reaaliaikaiset hälytykset.
- Paranna agenttien työnkulkuja, mallien asetuksia, välimuistia ja infrastruktuuria kustannusten ja suorituskyvyn optimoimiseksi.
- Hallinnoi Git-haaroja, pull-pyyntöjä ja koodikatselmointeja.
- Tee yhteistyötä datatieteilijöiden, ohjelmistosuunnittelijoiden ja liiketoimintatiimien kanssa tuotantovalmiiden tekoälyratkaisujen toimittamiseksi.
- Dokumentoi järjestelmäarkkitehtuuri, agenttien työnkulut, työkalut, kehotteet, kontit ja käyttömenettelyt.
Vaatimukset
- Vähintään kolme vuotta työkokemusta koneoppimisesta tai tekoälytekniikasta sekä vankka MLOps-osaaminen.
- Yhdestä kahteen vuotta käytännön kokemusta tuotantokäyttöön tarkoitettujen LLM-, generatiivisen tekoälyn tai agenttipohjaisten järjestelmien suunnittelusta ja käyttöönotosta.
- Pythonin erinomainen hallinta.
- Kokemusta PyTorchista, TensorFlow’sta tai Scikit-learnista.
- Syvällinen teoreettinen ja käytännön osaaminen syväoppimisesta, luonnollisen kielen käsittelystä ja Transformer-arkkitehtuureista.
- Käytännön kokemusta LangChainista, LangGraphista, LlamaIndexistä, CrewAI:sta tai Vertex AI Agent Builderista.
- Todistettua kokemusta Google Cloud Platformista, Dockerista, Kubernetesista/GKE:stä, Cloud Runista ja Cloud Functionsista.
- Todistettua kokemusta vektori-indeksoinnista, semanttisesta hausta, Vertex AI Vector Searchista, AlloyDB:stä tai vastaavista työkaluista.
- SQL- ja NoSQL-tietokantojen sekä REST- ja GraphQL-rajapintojen tuntemus.
- Kokemusta Terraformista, Gitistä ja CI/CD-työkaluista, kuten Cloud Buildista, GitLab CI:stä tai Jenkinsistä.
- Kokemusta Prometheuksesta, Cloud Loggingista tai LangSmithistä sekä LLM-tulosteiden laadun ja turvallisuuden arvioinnista.
- Google Cloud Professional Machine Learning Engineer- tai Professional Cloud Architect -sertifiointi katsotaan erittäin suureksi eduksi.
- Alempi korkeakoulututkinto tai vastaava pätevyys.