ISACA
ISACA
201 – 500 Mga Empleyado
B2BEdukasyonSeguridad sa cyber
Ang ISACA ay isang pandaigdigang samahang propesyonal na naglilingkod sa mga indibidwal at organisasyong nagtatrabaho sa cybersecurity, pamamahala sa teknolohiya, at pamamahala ng panganib. Nagbibigay ito ng edukasyon, pagsasanay, sertipikasyon, at mga mapagkukunan para sa propesyonal na pag-unlad upang matulungan ang mga practitioner na bumuo at mapanatili ang kadalubhasaan sa mga larangang ito. Isinusulong din ng ISACA ang propesyon sa teknolohiya at sinusuportahan ang mga pamamaraan ng organisasyon tungo sa kahusayan sa negosyo. Kaugnay ng mga karera nito ang pagsusulong sa misyong ito sa pamamagitan ng edukasyon at mga serbisyong propesyonal.

Pinuno ng AI/ML sa ISACA — Estados Unidos, Hybrid

Pangungunahan ang hands-on na pagbuo ng mga production RAG, knowledge graph, at LLM system ng ISACA. Bubuo ng internal na AI engineering team at ililipat ang paghahatid ng mga proyekto mula sa mga external vendor.

Paglalarawan

  • I-engineer, isama, at ihatid sa production ang mga solusyon sa AI ng ISACA.
  • Bumuo ng mga knowledge graph ontology, embedding at retrieval pipeline, recommendation logic, at mga bahagi ng LLM at agentic application.
  • Gumawa ng mga API at service contract na nag-uugnay sa mga kakayahan ng AI sa mga digital product at business system.
  • Suriin ang mga architecture, code, pull request, at deliverable ng vendor batay sa mga teknikal na kinakailangan at pamantayan sa engineering.
  • Magtakda ng pamantayan sa pagtanggap at tumulong sa pagpapatunay ng kahandaan para sa production.
  • Ilipat ang kaalaman mula sa vendor sa mga internal team at bawasan ang pag-asa sa mga external provider.
  • Pamahalaan ang mga kasanayan sa MLOps at LLMOps na sumasaklaw sa CI/CD, versioning, evaluation, monitoring, drift detection, at pagsubaybay sa gastos ng token.
  • Magtakda ng mga pamantayan para sa code review, dokumentasyon, runbook, at mga component na magagamit muli.
  • Ipatupad ang mga kontrol para sa seguridad, responsableng AI, at auditability.
  • Bumuo ng mga data ingestion at transformation pipeline para sa CRM, mga content at learning platform, workforce, at data tungkol sa mga trend sa merkado.
  • Magtakda ng mga data contract at magpatupad ng mga pagsusuri sa kalidad at monitoring kasama ang mga may-ari ng source system.
  • Makipagtulungan sa mga data, engineering, at product team upang tugunan ang mga kakulangan sa data architecture.
  • Sumali bilang unang AI implementation engineer, magrekomenda ng mga prayoridad sa pagkuha ng empleyado, tumulong sa pagkuha at pagpasok sa tungkulin ng mga bagong miyembro ng team, at mag-mentor ng mga engineer at contractor.
  • Ipaliwanag ang mga desisyon ng AI, teknikal na panganib, at mga trade-off sa mga stakeholder mula sa product, engineering, at IT.
  • Makipag-ugnayan sa mga product, architecture, security, at data team.
  • Subukan ang mga umuusbong na AI tool, platform, at architecture sa pamamagitan ng mga eksperimento at proof of concept.

Mga Kinakailangan

  • Bachelor’s degree sa computer science, data science, statistics, engineering, o kaugnay na larangan, o katumbas na propesyonal na karanasan.
  • Hindi bababa sa 8 taon ng propesyonal na karanasan sa software, data, o application development.
  • Hindi bababa sa 2 taon ng hands-on na karanasan sa pagbuo, pagpapatupad, o pagsasama ng mga solusyon sa AI, generative AI, LLM, o agentic AI sa production.
  • Karanasan sa paghahatid ng mga solusyon sa LLM o AI sa mga cloud environment; lubos na pinapaboran ang Azure, o katumbas na karanasan sa cloud.
  • Mahusay sa Python at sa mga LLM application framework at SDK.
  • May praktikal na kaalaman sa LLM evaluation, pagsubaybay sa performance ng RAG pipeline, at prompt versioning.
  • Hands-on na karanasan sa mga RAG pipeline, prompt engineering, embedding-based semantic retrieval, vector database, at LLM orchestration.
  • Hands-on na karanasan sa knowledge graph architecture at disenyo ng ontology; malaking bentahe ang karanasan sa Graphwise.
  • Pundamental na kasanayan sa MLOps at LLMOps, kabilang ang CI/CD, containerized deployment, model at prompt versioning, monitoring, pagsubaybay sa gastos ng token, at drift detection.
  • Kayang mangasiwa sa gawain ng AI vendor sa pamamagitan ng mga pagsusuri sa architecture, pamantayan sa pagtanggap, at pagpapatunay ng paghahatid.
  • Mahusay makipag-ugnayan sa mga stakeholder.
  • Karanasan sa agile delivery kasama ang mga cross-functional na product, engineering, data, at security team.
  • Mas pinapaboran ang master’s degree sa computer science, machine learning, data science, o artificial intelligence.
  • Mas pinapaboran ang hindi bababa sa 10 taon ng propesyonal na karanasan sa software o data engineering, kabilang ang 3 o higit pang taon ng hands-on na karanasan sa AI.
  • Bentahe ang kaalaman sa mga multi-agent framework, Azure Data Factory o Apache Airflow, at mga enterprise platform gaya ng Salesforce at Sitecore.
  • Mas pinapaboran ang mga sertipikasyong AI, Azure, AWS, o Google Cloud na nakalista sa job posting.
  • May malasakit sa misyon, layunin, at mga pinahahalagahan ng ISACA, at may sensitibidad sa kultura na angkop para sa isang pandaigdigang organisasyong pangpropesyonal na may mga miyembro.

Mga Benepisyo

  • Maaaring kailanganin ang pana-panahong pagpasok sa lugar ng trabaho depende sa mga pangangailangan ng negosyo.
  • Maaaring kailanganin ang paminsan-minsang biyahe para sa mga event na itinataguyod ng kumpanya, pulong, pagtitipon ng lahat ng empleyado, pagsasanay, o iba pang kinakailangang aktibidad.
  • Nangangako ang employer ng pantay na oportunidad sa trabaho at isang inklusibong lugar ng trabaho.

Mga Kaugnay na Trabaho

Red Hat

Konsultanteng OpenShift AI (May TS/SCI Clearance, Hybrid)

Red Hat

Tulungan ang mga enterprise customer na magpatakbo ng production AI platform gamit ang Red Hat OpenShift AI. Bumuo ng mga model service, automation, at reusable architecture habang bumibiyahe sa mga site ng kliyente.

Buksan
MSD

Kasamang Direktor, Pagpapagana ng Portfolio AI

MSD

Pangunahan ang paggamit ng AI, machine learning, at commercial analytics upang makatulong sa mga desisyon tungkol sa tatak ng gamot at paglulunsad sa MSD. Gabayan ang pagbuo ng mga insight, pag-target, at paggamit kasama ng mga marketing at field team.

Buksan
Equinix

Senior na Direktor ng AI

Equinix

Pangunahan ang pagbuo ng mga production-ready na generative AI at machine learning system para sa digital infrastructure business ng Equinix. Gamitin ang AI sa sales at customer success, na may mga layuning palakihin ang pipeline, patibayin ang retention, at pabilisin ang mga deal.

Buksan