Ford Motor Company היא יצרנית רכב שבסיסה בארצות הברית, עם היסטוריה שהחלה בשנת 1903. לצד פיתוח וייצור כלי רכב, החברה מרחיבה את פעילותה לשירותי ניידות, חוויות דיגיטליות ותוכנה. פעילותה של פורד כוללת גם מאמצי קיימות ויעדים סביבתיים, המשקפים גישה המחברת בין תחבורה, חדשנות, השפעה על הקהילה ונהלים עסקיים אחראיים.
ארכיטקט/ית בינה מלאכותית ולמידת מכונה ב-Ford Motor Company (עבודה היברידית, הודו)
פיתוח סוכנים אוטונומיים, מערכות מרובות סוכנים וצינורות יצירה מועשרת באחזור לשימוש ארגוני. פריסת בינה מלאכותית גנרטיבית בסביבת ייצור ב-Google Cloud באמצעות MLOps, קונטיינרים ומסדי נתונים וקטוריים.
תיאור
- פיתוח ופריסה של סוכני בינה מלאכותית אוטונומיים ואוטונומיים למחצה לתהליכים ארגוניים.
- תכנון ארכיטקטורות מרובות סוכנים הכוללות תזמור, פירוק משימות, מחזורי תכנון ותקשורת בין סוכנים.
- חיבור סוכנים לפלטפורמות ארגוניות, לממשקי REST ו-GraphQL, למסדי נתונים ולשירותי Google Cloud.
- בניית יכולות זיכרון לטווח קצר וארוך, זיכרון אפיזודי וזיכרון סמנטי.
- יצירה, בדיקה, שיפור ותחזוקה של תבניות פרומפט וספריות פרומפט לשימוש חוזר.
- הערכה, בחירה וכוונון עדין של מודלי בסיס, כולל Gemini דרך Vertex AI Model Garden.
- בניית צינורות RAG בעלי תפוקה גבוהה והשהיה נמוכה וכוונונם, כולל קליטת מסמכים, חלוקה למקטעים ויצירת הטמעות.
- שילוב ותפעול של מסדי נתונים וקטוריים הניתנים להרחבה.
- ניקוי והכנת נתונים מובנים ולא מובנים לשימוש.
- הקמת סביבות מאובטחות ב-Google Cloud באמצעות תשתית כקוד ב-Terraform.
- בניית צינורות CI/CD ותחזוקתם לצורך בדיקות אוטומטיות, בניית קונטיינרים ופריסה בין סביבות.
- אריזת יישומים וסוכנים בקונטיינרים באמצעות Docker ופריסתם ב-GKE או ב-Cloud Run.
- הגדרת תזמור תהליכי עבודה באמצעות כלים כגון Vertex AI Pipelines או Cloud Composer/Airflow.
- הגדרת מדדים וצינורות בדיקה להערכת איכות הסוכנים, ההשהיה, השימוש באסימונים ושיעורי ההזיה.
- הוספת סינון תוכן, ניהול תוכן, בדיקות עיגון, הגנות מפני הזרקת פרומפטים, בקרות פרטיות ושערי בדיקה אנושיים.
- הגדרת ניטור ייצור, יומנים, מעקב מבוזר והתראות בזמן אמת.
- שיפור תהליכי העבודה של הסוכנים, הגדרות המודלים, המטמון והתשתית לשיפור העלות והביצועים.
- ניהול ענפי Git, בקשות משיכה וסקירות קוד.
- עבודה עם מדעני נתונים, מהנדסי תוכנה וצוותים עסקיים לאספקת פתרונות בינה מלאכותית מוכנים לייצור.
- תיעוד ארכיטקטורת המערכת, זרימות הסוכנים, הכלים, הפרומפטים, הקונטיינרים ונהלי התפעול.
דרישות
- לפחות שלוש שנות ניסיון מקצועי בהנדסת למידת מכונה או בינה מלאכותית, עם בסיס איתן ב-MLOps.
- שנה עד שנתיים של ניסיון מעשי בתכנון ובפריסה של מערכות LLM, בינה מלאכותית גנרטיבית או מערכות סוכנים בסביבת ייצור.
- שליטה ברמת מומחה ב-Python.
- ניסיון ב-PyTorch, TensorFlow או Scikit-learn.
- ידע תיאורטי ומעשי מעמיק בלמידה עמוקה, עיבוד שפה טבעית וארכיטקטורות Transformer.
- ניסיון מעשי ב-LangChain, LangGraph, LlamaIndex, CrewAI או Vertex AI Agent Builder.
- ניסיון מוכח ב-Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run ו-Cloud Functions.
- ניסיון מוכח באינדוקס וקטורי, חיפוש סמנטי, Vertex AI Vector Search, AlloyDB או כלים דומים.
- ידע במסדי נתונים של SQL ו-NoSQL ובממשקי REST ו-GraphQL.
- ניסיון ב-Terraform, Git וכלי CI/CD כגון Cloud Build, GitLab CI או Jenkins.
- ניסיון ב-Prometheus, Cloud Logging או LangSmith, ובהערכת האיכות והבטיחות של פלטי LLM.
- הסמכת Google Cloud Professional Machine Learning Engineer או Professional Cloud Architect היא יתרון משמעותי.
- תואר ראשון או שווה ערך.