A Naveera Technology LLC technológiai tanácsadó és mérnöki vállalat, amely gyakorlati, éles környezetben is használható rendszerekkel segíti a szervezeteket mesterségesintelligencia-alapú képességeik fejlesztésében. Tevékenysége kiterjed az adatmérnökségre, a gépi tanulásra, a generatív mesterséges intelligenciára, az alkalmazásfejlesztésre, a felhőinfrastruktúrára és az IT-műveletekre, beleértve az adatfolyamatokat, a GenAI-modellek fejlesztését, az MLOps-t, valamint az egyedi webes, mobil- és vállalati alkalmazásokat. A Naveera digitális egészségügyi, fintech, e-kereskedelmi, logisztikai és egyéb vállalati területeken működő ügyfeleit globális szállítási csapatokkal, kibővített mérnöki támogatással és olyan kiválósági központi modellel segíti, amely az adatok hasznos intelligenciává és skálázható technológiává alakítására összpontosít.
Senior adatbázis-mérnöki vezető – GCP, AI/ML és GenAI (távmunka az USA-ban)
Vezesse az AWS-ről GCP-re történő adatplatform-migrációkat, és építsen vállalati AI/ML-, GenAI- és MLOps-megoldásokat a GCP és a Vertex AI használatával. Irányítsa egy globális mérnöki és IT-szolgáltató partner modernizációs kezdeményezéseit.
Leírás
- Vállalati adatplatformok AWS-ről GCP-re történő migrációinak vezetése
- Skálázható GCP-adatplatformok, Data Lake-ek és Lakehouse-ok megtervezése
- AI/ML-, generatív AI-, RAG- és MLOps-megoldások fejlesztése a GCP és a Vertex AI használatával
- End-to-end gépi tanulási folyamatok létrehozása az előkészítéshez, tanításhoz, validáláshoz, üzembe helyezéshez, monitorozáshoz, újratanításhoz és életciklus-kezeléshez
- Betöltési, átalakítási, embedding-, indexelési, lekérési, kötegelt, streamelési, ETL- és ELT-folyamatok megtervezése
- AWS-környezetek felmérése és a munkaterhelések megfelelő vagy továbbfejlesztett GCP-szolgáltatásokhoz történő hozzárendelése
- Az ütemezést, függőségeket, kockázatokat, visszaállítási terveket és célarchitektúrákat lefedő migrációs ütemtervek készítése
- Eseményvezérelt valós idejű folyamatok megtervezése Pub/Sub, Dataflow vagy Apache Beam, BigQuery és Cloud Storage használatával
- Vállalati adatmodellek, BigQuery-particionálási és fürtözési megoldások, valamint elemzési fogyasztási minták kialakítása
- Adatirányítási, adatminőségi, adatvonal- és metaadat-kezelési, biztonsági, adatvédelmi, hozzáférés-szabályozási és felelős AI-szabványok kialakítása
- A Terraform-automatizálás, CI/CD, telepítés, tesztelés és a Dev, QA, UAT, valamint Production környezetek közötti előléptetés vezetése
- A teljesítmény, skálázhatóság, késleltetés, átviteli sebesség, megbízhatóság és felhőköltségek javítása mérőszámok és SLA-k meghatározása mellett
- Adatmérnökök, senior adatmérnökök és műszaki vezetők irányítása és mentorálása, valamint architektúra- és kódellenőrzések végzése
- A mérnöki előrehaladás, szállítási kockázatok, függőségek és mérföldkövek nyomon követése
- Elsődleges műszaki kapcsolattartás az amerikai érintettek számára, valamint együttműködés az üzleti, termék-, adattudományi, BI-, DevOps-, biztonsági és analitikai csapatokkal
- Az üzleti igények műszaki megoldásokká alakítása, valamint az architektúradöntések, migrációs tervek, ütemtervek, kockázatok és kompromisszumok kommunikálása
Követelmények
- 15+ év tapasztalat GCP-adatmérnöki, adatarchitektúrai, felhőmérnöki, AI/ML-mérnöki vagy kapcsolódó technológiai vezetői területen
- Legalább 5 év gyakorlati GCP-adatmérnöki tapasztalat
- Legalább 3 év gyakorlati AI/ML- és GenAI-tapasztalat
- Bizonyított AWS-ről GCP-re történő migrációs projektek szállítása
- Erős tapasztalat vállalati Data Lake- és Lakehouse-platformok GCP-n történő megtervezésében
- Gyakorlati szakértelem a BigQuery, Google Cloud Storage, Dataflow, Pub/Sub, Cloud Composer, Dataproc, IAM és Terraform használatában
- AWS-adatmunkaterhelések, -folyamatok és -platformok GCP-re történő áthelyezésének tapasztalata
- Az AWS-GCP-szolgáltatás-hozzárendelés, migrációs minták, modernizáció és felhőarchitektúra-gyakorlatok erős ismerete
- AI/ML-megoldások létrehozásának és üzembe helyezésének tapasztalata GCP-n, Vertex AI használatával
- Gyakorlati tapasztalat generatív AI-jal, LLM-alkalmazásokkal, RAG-gal, embeddingekkel, vektorkereséssel, promptmérnökséggel és vállalati AI-asszisztensekkel
- Erős MLOps-ismeretek, beleértve a tanítást, modellregisztereket, CI/CD/CT-t, üzembe helyezést, monitorozást, újratanítást, irányítást és visszaállítást
- Biztonságos és felelős AI-megoldások szállításának tapasztalata adatvédelemmel, értékeléssel, hozzáférés-szabályozással, auditálhatósággal és irányítással
- Magas szintű SQL-ismeretek, valamint erős Python- és PySpark-készségek
- Erős háttér az adatmodellezés, adattárházak, kötegelt feldolgozás és valós idejű adatmérnökség területén
- Terraform, Git, GitHub, Cloud Build, CI/CD és infrastruktúra-automatizálási tapasztalat
- Adatmérnöki és többfunkciós műszaki csapatok vezetésének és mentorálásának tapasztalata
- Erős kommunikációs készségek és amerikai érintettekkel való együttműködés tapasztalata
- A Google Cloud Professional Data Engineer tanúsítvány előnyt jelent
- A Google Cloud Professional Machine Learning Engineer tanúsítvány előnyt jelent
- A Vertex AI Agent Builder, Vertex AI Search, Vertex AI-on futó Gemini vagy vállalati generatív AI-platformok tapasztalata előnyt jelent
- A dbt, Apache Airflow, Kafka, Apache Spark, Kubernetes, Cloud Run és API-alapú architektúrák tapasztalata előnyt jelent
- A Dataplex, Data Catalog, adatvonal, metaadat-kezelés, irányítás, törzsadat-kezelés és adatminőségi keretrendszerek tapasztalata előnyt jelent
- Vállalati vagy szabályozott környezetek támogatásának tapasztalata szigorú adatvédelmi, biztonsági, megfelelőségi, audit- és irányítási követelmények mellett előnyt jelent
- A műszaki szakértelemnek ki kell terjednie a Python, PyTorch, TensorFlow, Scikit-learn, NLP, mélytanulás, ML-algoritmusok, GenAI, LLM-ek, GPT, Gemini, Claude, Llama, promptmérnökség, finomhangolás, RAG, embeddingek, vektoradatbázisok, szemantikus és hibrid keresés, újrarangsorolás, LangChain, LlamaIndex, LangGraph, Hugging Face, Transformers, AI-ügynökök, ügynökalapú munkafolyamatok, eszköz- vagy függvényhívás, többügynökös rendszerek, MCP, MLflow, Kubeflow, modellregiszterek, üzembe helyezés, monitorozás, CI/CD, Vertex AI, Vertex AI Studio, Vertex AI Pipelines, Model Garden, Vector Search, FastAPI, Flask, REST API-k, SQL, Docker, Kubernetes, GCP, AWS, Azure, BigQuery, Dataflow, Spark, Databricks, Data Lake-ek, haladó Python, szakértői SQL, PySpark, Apache Spark, ETL, ELT, CDC, kötegelt és streamelési feldolgozás, eseményvezérelt architektúra, folyamatfejlesztés és -optimalizálás, vállalati Data Lake és Lakehouse, Medallion Architecture, adattárházak, adatmodellezés, dimenzionális modellezés, több-bérlős modellezés, séma olvasáskor és séma íráskor, dbt, Apache Airflow vagy Cloud Composer, Dataproc, Dataflow vagy Apache Beam, AWS Glue, Redshift, EMR, Lambda, Kinesis, Athena, CloudWatch, GCS, AWS S3, Pub/Sub, Dataplex, Data Catalog, Terraform, Git vagy GitHub, Cloud Build, CI/CD, Infrastructure as Code, adatvonal, metaadat-kezelés, adatminőség, monitorozás és OpenLineage területére
Juttatások
- Rugalmas távmunka
- Együttműködés ügyfelekkel a világ minden tájáról
- Egy innovációközpontú környezetben való együttműködés
- Folyamatos tanulási és tanúsítványi lehetőségek
- Jelentős AI/ML- és GCP-innovációs kezdeményezések vezetése mérnöki vezetőként