A Huron globális tanácsadó cég, amely stratégiai, működési, tanácsadási, digitális, technológiai és analitikai szolgáltatásokkal segíti a szervezeteket összetett üzleti kihívásaik kezelésében. Tevékenysége az egészségügy, az oktatás, az energetika és a pénzügyi szolgáltatások területére is kiterjed, és személyre szabott támogatást nyújt többek között menedzselt szolgáltatások, kiszervezés és vezetőfejlesztés terén. A Huron olyan szakembereket fog össze, akik minden ügyfél egyedi igényeire szabott, gyakorlatias és nagy hatású megoldásokra összpontosítanak, így a vállalat releváns lehet a tanácsadás, a transzformáció és az adatalapú szervezeti növekedés iránt érdeklődő szakemberek számára.
MI-mérnök, generatív MI és RAG — Huron, Bangalore, hibrid munkavégzés
Fejlesszen gépi tanulási, generatív MI- és visszakereséssel bővített generálási (RAG) megoldásokat a Huronnak. Készítsen MI-ügynököket használó alkalmazásokat, felhőalapú MI-folyamatokat, API-kat és éles rendszereket.
Leírás
- Hozzon létre gépi tanulási és generatív MI-módszereket alkalmazó rendszereket, beleértve a prompttervezést, a finomhangolást, a beágyazásokat és a RAG-ot.
- Készítsen intelligens alkalmazásokat és ügynökalapú rendszereket olyan eszközökkel, mint a LangChain, a LangGraph, az AutoGen vagy a CrewAI.
- Tervezzen és valósítson meg teljes RAG-folyamatokat a dokumentumok betöltésétől és darabolásától a vektorindexelésen és a hibrid keresésen át a kontextusfüggő válaszokig.
- Készítsen moduláris, dokumentált API-kat és szolgáltatáskomponenseket FastAPI, Flask vagy hasonló keretrendszerek segítségével.
- Építsen és kezeljen MI-folyamatokat az adatok betöltéséhez, átalakításához és ellenőrzéséhez, valamint a tanításhoz, következtetéshez, telepítéshez és tudás-visszakereséshez.
- Használja az AWS és az Azure MI- és gépitanulás-szolgáltatásait a fejlesztés és a telepítés támogatására.
- Állítson be felügyeleti és értékelési rendszereket a modellpontosság, az eltolódás, a visszakeresés minősége, a megalapozottság, a megbízhatóság és a feladatokhoz kapcsolódó következtetés mérésére.
- Javítsa az éles RAG-rendszerek sebességét, skálázhatóságát, költséghatékonyságát és válaszminőségét.
- Dolgozzon együtt szoftvermérnökökkel, adattudósokkal, megoldástervezőkkel és üzleti érintettekkel a megoldások megtervezésén és éles környezetbe történő átadásán.
- Vegyen részt kísérletekben, koncepcióigazolásokban, kísérleti projektekben és skálázható telepítésekben.
- Kövesse a generatív MI, az MI-ügynökök, az orkhesztrációs keretrendszerek, a RAG-értékelés és a folyamatos fejlesztés újdonságait.
Követelmények
- Rendelkezzen 4–6 év gyakorlati tapasztalattal MI-/gépi tanulási fejlesztésben vagy intelligens alkalmazások tervezésében.
- Legyen magabiztos Python-ismerete, és ismerje a korszerű MI-/gépi tanulási könyvtárakat, például a scikit-learnt, a PyTorchot, a TensorFlow-t vagy az OpenAI API-kat.
- Tervezzen és telepítsen RAG-rendszereket beágyazásokkal, például FAISS, Pinecone, Chroma vagy Azure AI Search vektoradatbázisokkal, valamint visszakeresés-optimalizálási módszerekkel.
- Rendelkezzen API-k vagy háttérszolgáltatások fejlesztésében szerzett tapasztalattal FastAPI, Flask vagy ezekkel egyenértékű keretrendszerek használatával.
- Ismerje az olyan ügynökkeretrendszereket, mint a LangGraph vagy az AutoGen, valamint a többügynökös orkhesztrációs mintákat.
- Ismerje az olyan felhőplatformokat, mint az AWS vagy az Azure, továbbá az olyan konténereszközöket, mint a Docker.
- Rendelkezzen gyakorlati tapasztalattal felhőalapú gépitanulás-platformokkal, például az Azure Machine Learninggel, az AWS SageMakerrel vagy a Google MI-/gépi tanulási szolgáltatásaival.
- Legyen alapdiplomája számítástudományi, mérnöki, adattudományi vagy kapcsolódó területen.
- Előnyt jelent az olyan orkhesztrációs szabványokkal vagy eszközökkel szerzett tapasztalat, mint az MCP vagy az ügynök-útválasztási protokollok.
- Előnyt jelent az MLOps-folyamatokkal, a modellek szállítását támogató CI/CD-vel, a RAGAS-hoz hasonló RAG-értékelő eszközökkel vagy a modellfelügyelettel szerzett tapasztalat.
- Előnyt jelent az MI-rendszerek értékelésének, megfigyelhetőségének, a promptok teljesítménytesztelésének és a megalapozottság ellenőrzésének ismerete.
- Tudjon több szakterületet átfogó csapatokkal együttműködni, több projektet kezelni, valamint műszaki és nem műszaki közönséggel kommunikálni.
- Előnyt jelentenek az Azure, az AWS vagy a Google Cloud MI-/gépi tanulási szolgáltatásaira vonatkozó felhőtanúsítványok.