Honeywell
Honeywell
Ang Honeywell ay isang sari-saring kompanya sa teknolohiya at pagmamanupaktura na nagsisilbi sa mga pamilihan ng aerospace, industriya, komersyo, pangangalagang pangkalusugan, lohistik, mga utility, at iba pa. Pinagsasama ng portfolio nito ang mga sistema ng sasakyang panghimpapawid at avionics, automation ng mga gusali at industriya, mga solusyon sa enerhiya at pagpapanatili, mga teknolohiya para sa kaligtasan at pagiging produktibo, at mga software platform gaya ng Honeywell Forge. Nakatuon ang kompanya sa digital transformation, pag-optimize ng operasyon, OT cybersecurity, automation, at mga inisyatiba sa paglipat ng enerhiya sa mga kumplikadong kapaligiran ng operasyon.

Senior na Tagapamahala ng AI Engineering, Honeywell

Pangunahan ang mga pandaigdigang team na bumubuo ng ligtas at nasusukat na AI para sa mga produktong pang-industriya ng Honeywell. Itakda ang direksiyon ng engineering sa MLOps, generative AI, pagpaplano ng portfolio, at paghahatid sa mga customer.

Paglalarawan

  • Pangunahan ang mga team ng AI engineering ng Honeywell Forge sa buong mundo.
  • Buuin at patakbuhin ang mga kakayahan sa AI ng enterprise para sa mga produkto ng Honeywell.
  • Pamahalaan ang pagpapatupad ng team, mga prayoridad sa portfolio, estratehiya sa talento, teknikal na pamumunong kaharap ang customer, at paglago ng organisasyon.
  • Gawing maisasagawang roadmap ng AI engineering ang mga prayoridad ng produkto at negosyo.
  • Gumabay sa arkitektura at implementasyon habang binabalanse ang pagiging maaasahan, saklaw, seguridad, responsableng AI, pagsunod sa mga regulasyon, at gastos.
  • Pangasiwaan ang AI engineering mula sa mga eksperimento at validation hanggang sa produksyon, operasyon, at tuloy-tuloy na pagpapahusay.
  • Makibahagi sa mga pagsusuri ng arkitektura at disenyo, code review, prototyping, pag-troubleshoot, at paglutas ng mahahalagang panganib sa engineering.
  • Maghatid ng mga full-stack na AI system na sumasaklaw sa mga data at feature pipeline, integrasyon ng modelo at LLM, API, microservice, orkestra, daloy ng trabaho ng user, at deployment sa cloud, sariling lugar, o edge.
  • Magtakda ng mga pamantayan para sa source control, code review, awtomatikong pagsusuri, dokumentasyon, CI/CD/CT, reproducibility, release, at ligtas na rollback.
  • Magtakda ng mga kasanayan sa produksyon para sa paghahatid ng modelo at LLM, pagsusuri, observability, pagsubaybay sa performance at drift, pagsubaybay sa gastos, retraining, at suporta.
  • Makipagtulungan sa Data Engineering, Platform Engineering, SRE, IT, Security, at Compliance.
  • Panatilihin ang mga pananggalang para sa responsableng AI, privacy, pamamahala ng data, pinagmulan ng modelo, seguridad, pagsunod sa mga regulasyon, at panganib.
  • Isulong ang mga platform na magagamit muli, reference architecture, template, at mga mapagkukunan ng inner-source.
  • Gabayan at paunlarin ang mga AI engineer sa pamamagitan ng pagtatakda ng layunin, feedback, pagsusuri ng performance, pag-unlad ng karera, pagpaplano ng susunod na mamumuno, at pagkilala sa ambag.
  • Planuhin ang kapasidad at kasanayan ng team, at mag-recruit, mag-orient, at magpanatili ng mga engineer.
  • Paunlarin ang mga teknikal na lider sa pamamagitan ng mentorship, pagsusuri ng disenyo, mga gabay, demonstrasyon, pagsasanay, at mga komunidad ng pagsasanay.
  • Ikoordina ang paghahatid sa iba’t ibang team, mga dependency, panganib, status, opsyon, at rekomendasyon para sa mga nakatataas na stakeholder.
  • Suriin ang mga umuusbong na teknolohiya sa machine learning, time series, computer vision, NLP, generative AI, RAG, fine-tuning, at agentic AI.
  • Ipaliwanag ang arkitektura, progreso, mga kompromiso, panganib, at epekto sa negosyo sa mga engineer, team ng produkto, ehekutibo, customer, at partner.
  • Kinatawan ang Honeywell sa mga briefing para sa customer, teknikal na forum, kumperensiya, panel ng industriya, at pagpupulong ng partner.
  • Pangasiwaan ang operasyon ng portfolio, pagpaplano, badyet, lakas-paggawa at kapasidad, mga prayoridad sa pagkuha, pamamahala ng paghahatid, at mga kompromiso sa pamumuhunan.
  • Pangunahan ang pagtuklas ng pangangailangan ng customer, mga teknikal na workshop, briefing para sa ehekutibo, at demonstrasyon.
  • Bumuo ng ugnayan sa mga stakeholder sa negosyo, produkto, at customer upang mapabilis ang paggamit.
  • Buuin at palaguin ang mga distributed na team ng AI engineering sa iba’t ibang rehiyon.
  • Bumuo ng mga daluyan ng talento sa pamamagitan ng pakikipagtulungan sa mga unibersidad, mga programa para sa graduate at intern, ugnayan sa pananaliksik, at naka-target na pagkuha.
  • Magtatag ng mga lab para sa MLOps at LLMOps, mga gabay, pagsusuri ng arkitektura, mga komunidad ng pagsasanay, at mga programa ng mentorship.
  • Hikayatin ang paglikha at pagpapaunlad ng intelektuwal na pag-aari, at isama ang mga resulta ng pananaliksik sa mga backlog ng product engineering.

Mga Kinakailangan

  • Bachelor’s degree mula sa kinikilalang institusyon sa computer science, software engineering, electrical engineering, AI/ML, o kaugnay na teknikal na larangan.
  • Hindi bababa sa 10 taon ng kaugnay na karanasan sa software, machine learning, AI, data engineering, o kaugnay na pagbuo ng produkto.
  • Hindi bababa sa 4 na taon sa pamumuno at pagpapaunlad ng mga teknikal na team, kabilang ang direktang pamamahala ng mga tao.
  • Hindi bababa sa 5 taon ng hands-on na pagbuo gamit ang Python at production engineering, kabilang ang mga API, awtomatikong pagsusuri, version control, CI/CD, at pagsusuri ng disenyo.
  • Napatunayang karanasan sa paghahatid at pagpapatakbo ng mga AI/ML system para sa enterprise, mula sa eksperimento hanggang sa maaasahang paggamit sa produksyon.
  • Hands-on na karanasan sa mga AI/ML framework at teknolohiya ng data gaya ng PyTorch, TensorFlow, scikit-learn, Spark, MLflow, Hugging Face, o katumbas nito.
  • Karanasan sa cloud-native engineering at deployment gamit ang Azure, GCP, o AWS; Docker; Kubernetes; at mga pinamamahalaang platform ng data o AI.
  • Karanasan sa paghahatid ng generative AI, kabilang ang RAG, pagsusuri ng LLM, integrasyon ng modelo o API, orkestra, at mga pattern ng agentic AI.
  • Malalim na kaalaman sa MLOps at LLMOps, kabilang ang pamamahala sa siklo ng buhay ng modelo, pagsusuri, pagsubaybay sa produksyon, reproducibility, pamamahala, at retraining.
  • Kakayahang ipaliwanag ang masalimuot na paksa sa engineering at mga kompromiso nito sa mga teknikal na team, pinuno ng produkto, customer, at ehekutibo.
  • Itinuturing na kalamangan ang master’s degree sa computer science, software engineering, AI/ML, o kaugnay na larangan.
  • Itinuturing na kalamangan ang karanasan sa pagbuo ng AI para sa mga multi-tenant na produkto ng SaaS o iba pang kritikal na enterprise software.
  • Itinuturing na kalamangan ang karanasan sa pag-deploy at pag-optimize ng mga AI workload sa cloud, sariling lugar, at edge.
  • Itinuturing na kalamangan ang kadalubhasaan sa mga larangan gaya ng industrial AI, mga autonomous system, pagtataya at pag-optimize ng time series, computer vision, o mga matatalinong agent.
  • Itinuturing na kalamangan ang karanasan sa paglikha ng mga pinagsasaluhang AI platform, magagamit muling serbisyo, internal developer tool, reference architecture, o pamantayan sa engineering na ginagamit ng iba’t ibang team.
  • Itinuturing na kalamangan ang rekord ng pagpapaunlad ng magkakaibang teknikal na talento at pagbuo ng inklusibo at mahusay na mga team ng engineering.
  • Itinuturing na kalamangan ang mga panlabas na teknikal na ambag sa pamamagitan ng pakikipag-ugnayan sa customer, kumperensiya, publikasyon, patent, gawain sa mga pamantayan, o open-source na proyekto.

Mga Benepisyo

  • Makatrabaho ang kinikilalang tatak na nakatuon sa patuloy na inobasyon at paglago.
  • Sumali sa masiglang team kung saan karamihan sa mga lider ay umangat sa pamamagitan ng promosyon mula sa loob.
  • Maging bahagi ng kulturang sumusuporta sa inklusyon, pagkakaiba-iba, at inobasyon.
  • Employer na nagbibigay ng pantay na pagkakataon.
  • May makatwirang akomodasyon para sa mga taong may kapansanan.
  • Walang ibinibigay na tulong para sa relokasyon.

Mga Kaugnay na Trabaho

Bristol Myers Squibb

Associate Director, Pagkatuto at Pag-aampon ng AI sa Pandaigdigang Supply Chain

Bristol Myers Squibb

Pangunahan ang pag-aampon ng AI sa pandaigdigang supply chain ng Bristol Myers Squibb sa pamamagitan ng paggawa ng mga pilot, programa sa pagkatuto, at nasusukat na resulta mula sa mga digital na oportunidad. Bumuo ng mga pamantayan, kasanayan, at komunidad na sumusuporta sa responsableng paggamit ng AI at mga digital na kakayahan.

Buksan