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.
מדען נתונים, עיבוד שפה טבעית ובינה מלאכותית גנרטיבית ב-Ford, הודו, במתכונת היברידית
פתח מוצרי עיבוד שפה טבעית, מודלי שפה גדולים ובינה מלאכותית גנרטיבית למקרי שימוש בתחום הרכב ב-Ford. בנה צינורות עיבוד מולטי-מודליים, תהליכי עבודה סוכניים, ממשקי API ויישומים למשתמשים בקנה מידה גדול.
תיאור
- צור יישומים ומוצרים לעיבוד שפה טבעית, למודלי שפה גדולים ולבינה מלאכותית גנרטיבית באמצעות שיטות תכנות ממושמעות.
- הערך מודלים ושיטות מתקדמים ליישומי רכב.
- בצע ניסויי למידת מכונה לאימון מודלים ולהסקה תחת מגבלות זיכרון והשהיה.
- פרוס ממשקי REST לעיבוד שפה טבעית וממשקי משתמש קלים באמצעות Docker ו-Kubernetes.
- הצג יישומי עיבוד שפה טבעית, מודלי שפה גדולים ובינה מלאכותית גנרטיבית באמצעות Dash, Plotly ו-Streamlit.
- שלב מספר בוטים ביישומים מולטי-מודליים המופעלים באמצעות מודלי שפה גדולים.
- צור תהליכי עבודה סוכניים באמצעות Autogen, AgentBuilder ו-LangGraph.
- פתח מוצרי בינה מלאכותית ולמידת מכונה מודולריים המיועדים לצריכה ניתנת להרחבה.
- שתף פעולה עם מומחים טכניים ברחבי העולם במוצרי סיווג, מענה על שאלות, צ'אטבוטים, תרגום, חיפוש סמנטי וסיכום.
דרישות
- תואר ראשון או שני במדעי המחשב, הנדסה, מתמטיקה או תחום מדעי קשור.
- הבנה של תיאוריית למידה עמוקה ושל שיטות עבודה ליישומי עיבוד שפה טבעית.
- ניסיון בתכנות עם ADK, A2A, AgentSkills, Ontology, Hugging Face, LangGraph, LangChain, Chainlit, TensorFlow או PyTorch, scikit-learn, NumPy ו-Pandas.
- היכרות עם לפחות שתי ספריות קוד פתוח לעיבוד שפה טבעית, כגון spaCy, TorchText, fastai.text או FARM Haystack.
- ידע בטכניקות עיבוד טקסט, כולל ביטויים רגולריים, ניתוח אסימונים ומילים, תיקון איות, הפחתת רעשים, חלוקת משפטים ואשכולות.
- ניסיון מעשי בפריסת BERT או מודלי טרנספורמר אחרים שעברו כוונון עדין לסיווג רצפים, זיהוי ישויות בשם או מענה על שאלות.
- היכרות עם Docker ועם סביבות pipenv, conda או Poetry.
- ידע בשיטות ניהול פרויקטי Python, כולל setup.py, רישום, pytest, ייבואים יחסיים ותיעוד Sphinx.
- היכרות עם תהליכי עבודה של GitHub.
- ניסיון בשירותי GCP, כולל BigQuery, Cloud Functions, Cloud Run, Cloud Build ו-Vertex AI.
- ידע מעשי בכלי קוד פתוח למדידה ולהפקת סיכומים.
- ניסיון בשימוש במשאבי GPU ו-CPU בסביבות ענן ובסביבות מקומיות.
- יכולת להשתמש בפלטפורמות ענן לעומסי עבודה של הנדסת נתונים, ביג דאטה ולמידת מכונה.
- ניסיון עם Docker, docker-compose ויכולות Docker ניסיוניות.
- היכרות עם Airflow ו-Kubeflow.
- ניסיון ב-CI/CD ובכלי תשתית כקוד כגון Terraform.
- ניסיון עם Kubernetes או פלטפורמות קונטיינרים אחרות, כולל Helm ו-Argo Workflows.
- יכולת ליצור ממשקי API של בינה מלאכותית תואמים, אתיים, מאובטחים ובטוחים.
- ניסיון בפיתוח ממשקי משתמש או ויזואליזציות באמצעות Gradio, Dash, Streamlit, React או Django.
- ניסיון במחשוב מבוזר עם Spark, Dask, RAPIDS AI או cuDF.
- יכולת לבנות ממשקי API ב-Python באמצעות FastAPI, Flask או Django.
- ניסיון עם Elasticsearch ו-Apache Solr הוא יתרון; גם ניסיון עם מסדי נתונים וקטוריים רלוונטי.
- ניסיון בעבודה עם מודלי שפה גדולים כגון GPT-5, Gemini, Kimi או Seedance.
- ניסיון בכל מחזור החיים של מודל בינה מלאכותית גנרטיבית, כולל אימון, בדיקות, פריסה וניטור ביצועים.
- ניסיון בפיתוח ובתחזוקה של צינורות בינה מלאכותית מולטי-מודליים לטקסט, תמונה ושמע.
- ניסיון מעשי בפריסת צ'אטבוטים או סוכני שיחה בקנה מידה גדול על פני מקורות נתונים מגוונים.
- ניסיון ביצירת כלים ליצירת תמונות או לתרגום באמצעות מודלי דיפוזיה לטנטית כגון Stable Diffusion או Instruct Pix2Pix.
- מומחיות בעבודה עם נתונים מובנים ובלתי מובנים בקנה מידה גדול.
- ניסיון בניהול מערכי נתונים ופלטים של בינה מלאכותית גנרטיבית בקנה מידה גדול.
- כישורי תקשורת ושיתוף פעולה מצוינים בין אזורים גאוגרפיים.