1,001 – 5,000 Mga Empleyado
Sponsor ng Skilled Worker VisaAng Euromonitor International ay isang matatag na kumpanyang itinatag noong 1972, na may 1,001–5,000 empleyado. Ipinapahiwatig ng profile nito sa pagkuha ng mga empleyado ang sponsorship para sa mga bihasang manggagawa, kaya nauugnay ito sa mga propesyonal na nagsasaliksik ng mga oportunidad sa karera sa isang may karanasang internasyonal na employer.
Senior Software Engineer, Agham ng Datos at AI
Bumuo ng mga serbisyong magagamit muli para sa pagraranggo, pagkuha ng impormasyon, at pagsusuri ng AI platform ng Euromonitor. Tulungan ang mga product team sa pandaigdigang negosyo nito sa pananaliksik sa merkado at pagsusuri ng datos na maghatid ng mga kakayahan sa AI.
Paglalarawan
- Bumuo ng mga bahaging magagamit muli para sa pagraranggo, pag-aangkop sa kagustuhan, at pagrerekomenda, mula sa mga eksperimento hanggang sa magkakabahaging serbisyo, na may nasusukat na batayang pamantayan ng kalidad.
- Bumuo at magpatakbo ng iisang balangkas ng pagsusuri gamit ang mga piniling golden dataset, pipeline ng LLM-as-judge, CI regression gate, at mga sukatan ng kalidad.
- Pagbutihin ang pagkuha ng nakabalangkas at di-nakabalangkas na datos gamit ang mga estratehiya sa paghahati at pag-index, hybrid search, muling pagraranggo, at pamamahala sa lifecycle ng embedding.
- Gumamit ng mahigpit na pamamaraang estadistikal sa pagdisenyo ng mga eksperimento, pag-calibrate ng mga tagasuri, at pagbibigay-kahulugan sa mga pagbabago sa kalidad.
- Magdisenyo at bumuo ng mga backend service at API para sa pagkuha ng impormasyon, pagraranggo, pagsusuri, at mga bahagi ng AI platform na gumagamit ng mga agent.
- Mag-ambag sa balangkas ng agent, mga kasanayan, at rehistro ng tool habang pinananatiling malinis ang mga interface ng SDK, tugma sa mga naunang bersyon, at maayos ang mga abstraction.
- Isama sa mga production component ang observability, telemetry ng gastos at token, mga quality gate, at mga kontrol para sa Responsableng AI.
- Tulungan ang mga team na gagamit ng platform sa pamamagitan ng mga reference implementation, dokumentasyon, at itinatag nang mga pattern sa pagbuo.
- Makipagtulungan sa mga team ng Engineering, Architecture, at Data Platform upang iayon ang platform sa mga cloud-native na kasanayan.
- Pagbutihin ang mga kasanayan sa engineering sa pamamagitan ng mga pagsusuri sa disenyo, pamantayan sa testing, at paggabay.
- Mag-ulat sa Technical Lead bilang bahagi ng pangkat ng AI at Data Science na nakabase sa Bengaluru.
Mga Kinakailangan
- May hindi bababa sa 7 taong karanasan sa Science ng Datos at software engineering.
- May matibay na kasanayan sa inilalapat na Science ng Datos, kabilang ang mga batayang kaalaman sa Machine Learning, karanasan sa pagraranggo, pagrerekomenda, o NLP, at sapat na kaalaman sa estadistika upang magdisenyo at magbigay-kahulugan sa mga pagsusuri.
- May napatunayang karanasan sa pagbuo ng mga kakayahan sa AI at Science ng Datos bilang mga serbisyong magagamit muli, library, o component na ginagamit ng maraming team.
- May praktikal na karanasan sa Generative AI engineering gamit ang RAG at mga retrieval system, pati na mga orchestration framework gaya ng LangGraph, LangChain, LlamaIndex, o Semantic Kernel.
- May karanasan sa paggamit ng mga tool para sa prompt at pagsusuri.
- May karanasan sa mga teknolohiya ng vector o hybrid search gaya ng Elasticsearch, OpenSearch, Azure AI Search, pgvector, o nakalaang vector database.
- May matibay na kasanayan sa backend engineering, kabilang ang disenyo ng API at serbisyo, data pipeline, at pagpapatakbo sa production sa Azure, AWS, o GCP.
- May karanasan sa Kubernetes container orchestration.
- Mahusay sa Python at may kasanayan sa paggamit ng kahit isang karagdagang backend language gaya ng C#, Java, Go, o TypeScript.
- May disiplina sa production engineering, kabilang ang observability at tracing para sa mga LLM workload, automated testing, CI/CD, at pagsasaalang-alang sa gastos.
- Kayang malinaw na ipaliwanag ang mga teknikal na paraan, trade-off, limitasyon, at resulta sa mga engineer, may-ari ng produkto, at iba pang stakeholder.
- May karanasan sa MCP o mga protocol sa pagtawag ng tool, agent runtime, o mga pattern ng LLM gateway gaya ng routing, caching, at fallback.
- May karanasan sa pag-calibrate ng mga LLM-as-judge system, paggamit ng mga pamamaraan ng golden dataset, o pagsasagawa ng mga online experiment.
- May karanasan sa mga framework ng pagsusuri gaya ng Ragas, DeepEval, o promptfoo.
- May karanasan sa pagbuo ng modelo gamit ang PyTorch, TensorFlow, o scikit-learn, kabilang ang pagsasanay o fine-tuning na higit pa sa paggamit ng foundation model sa pamamagitan ng API.
- Pamilyar sa AutoGen, CrewAI, OpenAI Agents SDK, MLflow, Azure Machine Learning, SageMaker, o Vertex AI.
- May mga ambag sa internal platform, open-source library, o SDK na may mga panlabas na user.
- May karanasan sa information retrieval o kaugnayan ng resulta sa paghahanap sa malakihang saklaw.
- May karanasan sa pananaliksik sa merkado, paglalathala, serbisyong pang-impormasyon, o ibang larangang nangangailangan ng katumpakan.
Mga Benepisyo
- Flexible na oras ng trabaho.
- Mga regular na pagtitipong panlipunan, kabilang ang mga salu-salo pagkatapos ng trabaho at mga party sa tag-init at Pasko.
- Dalawang araw ng pagboboluntaryo bawat taon.
- Mga donasyon para sa mga bagong empleyado at suporta sa mga lokal at internasyonal na kawanggawa sa pamamagitan ng iba’t ibang inisyatiba.
- Mapagkumpitensyang sahod.
- Pribadong segurong pangkalusugan.
- Maluwag na bilang ng araw ng bakasyon.
- Maraming pagkakataon para sa pagsasanay at pag-unlad.
- Mga pagkakataong ma-promote sa loob at sa iba’t ibang departamento.
- Mga gantimpala para sa mahuhusay na empleyado.
- Pantay na oportunidad sa trabaho at pangakong walang diskriminasyon.