Ang General Motors ay isang pandaigdigang kompanya sa automotive at pagmamanupaktura na nagtatrabaho sa engineering ng sasakyan, produksyon, transportasyon, at teknolohiya ng impormasyon. Itinatag noong 1908, bumubuo ang GM ng mga teknolohiyang naglalayong isulong ang mobility habang itinataguyod ang bisyon nitong zero crashes, zero emissions, at zero congestion. Pinagbubuklod ng mga pandaigdigang operasyon nito ang malalaki at multidisciplinary na team na nakatuon sa inobasyon, napapanatiling transportasyon, at kinabukasan ng industriya ng automotive.
Senior na Tagapamahala, Inhinyeriya ng Datos sa Motorsports
Pangunahan ang imprastraktura ng datos, analytics, at mga platform ng AI/ML ng Motorsports ng General Motors. Gawing mga kasangkapan para sa mga inhinyero at strategist ang telemetry at datos ng karera sa mga pangunahing programa sa karera.
Paglalarawan
- Pangunahan ang mga tagapamahala at pangkat na nangangasiwa sa imprastraktura at agham ng datos ng Motorsports.
- Pagsamahin ang inhinyeriya ng datos, software, at agham ng datos sa iisang roadmap at modelo ng pagpapatakbo.
- Magdisenyo ng mga pipeline at platform, bumuo ng mga prototype ng solusyon sa ML at generative AI, magsuri ng code, at lumutas ng mahahalagang isyu tuwing weekend ng karera.
- Itakda ang roadmap ng platform ng datos ng Motorsports para sa pagkuha ng datos, streaming, arkitekturang lakehouse, pamamahala, at pagpapagana ng AI/ML.
- Pag-ugnayin ang mga real-time at batch pipeline na nagpoproseso ng telemetry, oras at puntos, at datos mula sa trackside.
- Ihatid sa produksyon ang mga modelo ng ML sa iba’t ibang programa sa karera gamit ang MLOps na nakabatay sa MLflow.
- Palawakin ang paggamit ng mga AI coding tool, platform ng katulong, at mahuhusay na kasanayan sa pagbuo ng software.
- Magtakda ng mga pamantayan sa inhinyeriya para sa CI/CD, Terraform, awtomatikong pagsusuri, kalidad ng datos, observability, at mga SLO.
- Pangalagaan ang sensitibong datos ng kompetisyon sa pamamagitan ng mga kontrol sa pag-access at proteksiyon sa intelektuwal na pag-aari.
- Pangasiwaan ang mga gastos at kapasidad ng Azure at Databricks, pati ang mga ugnayan sa vendor at kasosyo.
- Ibahagi ang estratehiya, pag-usad, at mga pagpili sa mga nakatataas na lider ng Motorsports at GM.
- Makipagtulungan sa Competition Engineering, Vehicle Performance, Race Strategy, at mga teknikal na kasosyo upang makapaghatid ng mga feature para sa customer.
Mga Kinakailangan
- Batsilyer sa computer science, inhinyeriya, agham ng datos, o kaugnay na disiplina.
- Hindi bababa sa 10 taong karanasan sa inhinyeriya ng datos, inhinyeriya ng software, o agham ng datos, kabilang ang paghahatid ng mga distributed data platform para sa produksyon.
- Hindi bababa sa 5 taong karanasan sa pamumuno sa mga pangkat ng inhinyeriya o agham ng datos, kabilang ang pamamahala sa mga tagapamahala, habang nananatiling aktibong gumagawa sa teknikal na bahagi.
- Malalim na kaalaman sa Azure Databricks, kabilang ang Spark, Delta Lake, Unity Catalog, Workflows, at DLT.
- Dalubhasaan sa mga serbisyo ng datos ng Azure gaya ng ADLS, Event Hubs, AKS, at Key Vault.
- Napatunayang tagumpay sa paglalagay ng ML at AI sa produksyon, kabilang ang feature engineering, siklo ng modelo, MLOps, at pagsubaybay.
- Karanasan sa real-time streaming at high-frequency na datos ng time series.
- Mahuhusay na kasanayan sa Python at SQL.
- Karanasan sa CI/CD, Git, at imprastraktura bilang code.
- Kayang tumupad sa mahihigpit na deadline at magpaliwanag ng mga komplikadong paksa sa mga inhinyero at ehekutibo.
- Hindi nag-aalok ang GM ng sponsorship sa imigrasyon para sa posisyong ito; hindi dapat mangailangan ang mga kandidato ng sponsorship ng GM ngayon o sa hinaharap.
- Mas gusto: Karanasan sa pamumuno sa parehong inhinyeriya ng software o datos at agham ng datos.
- Mas gusto: Karanasan sa motorsports, automotive, o datos ng high-performance engineering.
- Mas gusto: Pamilyaridad sa mga AI feature ng Databricks gaya ng Mosaic AI, Vector Search, Feature Store, Model Serving, at Genie.
- Mas gusto: Karanasan sa pagbuo ng mga generative AI o LLM application, kabilang ang RAG, mga agent, at ebalwasyon.
- Mas gusto: Karanasan sa mga cloud architecture na idinisenyo para sa mababang latency o limitadong bandwidth.
- Mas gusto: Karanasan sa paglulunsad ng mga bagong programa o mabilis na pagpapalaki ng mga pangkat.
Mga Benepisyo
- Maaaring may tulong sa relokasyon para sa mga kandidatong nakatutugon sa pamantayan ng patakaran ng kumpanya.
- May mga programa at mapagkukunan para suportahan ang kapakanan ng empleyado sa trabaho at sa bahay.
- May makatuwirang akomodasyon para sa mga aplikanteng may kapansanan.