Az EXL üzleti tanácsadással és szolgáltatásokkal foglalkozó vállalat, amely adatok, elemzések és technológia felhasználásával segíti a szervezeteket működésük javításában és jobb döntések meghozatalában. Tevékenysége kiterjed a működésmenedzsmentre, a döntéstámogató elemzésekre és a digitális transzformációra. A vállalat tapasztalattal támogat ügyfeleket az egészségügy, a biztosítás, a pénzügy és a logisztika területén. Az EXL az adattudományt gyakorlati üzleti szakértelemmel ötvözve az egyes szervezetek céljaihoz, működési modelljéhez és iparági környezetéhez igazodó megoldásokat fejleszt.
Senior generatív MI-mérnökségi vezető az EXL-nél (hibrid, Egyesült Államok)
Vezesse nagyvállalati léptékű LLM- és ágensalapú MI-megoldások tervezését. Építsen szabályozott, éles környezetre kész munkafolyamatokat az AWS, a Google Cloud és a Snowflake platformján.
Leírás
- Tervezzen és szállítson nagyvállalati GenAI-rendszereket LLM-ekkel, alapmodellekkel és ágensalapú MI-keretrendszerekkel.
- Hozzon létre újrahasznosítható MI-mintákat, gyorsítókat és referencia-architektúrákat.
- Alakítsa az üzleti kihívásokat skálázható MI-munkafolyamatokká és éles környezetre kész koncepcióbizonyításokká.
- Modernizálja az MI-platformokat a feltörekvő GenAI-technológiák és bevált gyakorlatok alkalmazásával.
- Hozzon létre és tartson karban olyan promptmérnöki keretrendszereket, amelyek szabályozott és megbízható LLM-kimeneteket eredményeznek.
- Alakítsa ki a promptok verziókezelését, életciklus-kezelését és tesztelési gyakorlatát.
- Építsen védelmi megoldásokat a hallucinációk, az elfogultság, a biztonsági fenyegetések és a megfelelőségi igények kezelésére.
- Fejlesszen skálázható koordinációs folyamatokat LangGraph, LangChain, CrewAI, Semantic Kernel vagy hasonló eszközökkel.
- Hozzon létre újrahasznosítható MI-komponenseket, eszközöket, ágenseket és munkafolyamat-sablonokat.
- Építsen többágenses rendszereket és autonóm munkafolyamatokat.
- Dolgozzon együtt az üzleti érintettekkel az értékes MI-felhasználási esetek azonosításán.
- Hozzon létre MI-prototípusokat és MVP-ket szintetikus és vállalati adatok felhasználásával.
- Alakítsa a prototípusokat olyan éles alkalmazásokká, amelyek megfelelnek a skálázhatósági, biztonsági és megbízhatósági követelményeknek.
- Tervezzen skálázható GenAI-architektúrákat az AWS, a Google Cloud és a Snowflake platformján.
- Használja az Amazon Bedrock, a SageMaker, a Vertex AI, a Snowflake Cortex AI és más felhőnatív MI-szolgáltatásokat.
- Tervezzen RAG-rendszereket vektoradatbázisokkal, embeddingekkel és szemantikus kereséssel.
- Javítsa a modelltelepítést, a következtetés sebességét és az infrastruktúra költséghatékonyságát.
- Hozzon létre értékelési keretrendszereket a pontosság, a relevancia, a késleltetés, a biztonság és az üzleti hatás mérésére.
- Dolgozzon ki benchmarkokat promptokhoz, modellekhez és munkafolyamatokhoz.
- Határozza meg a KPI-okat, a megfigyelhetőségi gyakorlatokat és a monitorozási stratégiákat.
- Javítsa a modellek teljesítményét promptfinomhangolással, a visszakeresés fejlesztésével és a munkafolyamatok finomításával.
Követelmények
- Számítástechnikai, mesterségesintelligencia-, adattudományi, mérnöki vagy kapcsolódó területen szerzett alap- vagy mesterdiploma.
- Legalább 8 év tapasztalat szoftvermérnöki, gépi tanulási, adatmérnöki vagy MI-megoldásfejlesztési területen.
- Legalább 4 év gyakorlati tapasztalat generatív MI-vel, LLM-ekkel és alapmodellekkel.
- Erős háttér nagyvállalati GenAI-megoldások tervezésében fejlett LLM-architektúrákkal és promptkeretrendszerekkel.
- Szakértelem skálázható MI-munkafolyamatok, koordinációs folyamatok és újrahasznosítható MI-komponensek fejlesztésében.
- Képesség az üzleti igények éles környezetre kész MI-megoldásokká és prototípusokká alakítására szintetikus adatok felhasználásával.
- Alapos ismeretek a promptok verziókezeléséről, irányításáról, védelmi megoldásairól és a szabályozott LLM-kimenetekről.
- Az MI-értékelési keretrendszerek, benchmarkolási módszerek és optimalizálási technikák alapos ismerete.
- Tapasztalat vektoradatbázisokkal, embeddingekkel, szemantikus kereséssel és RAG-architektúrákkal.
- Magabiztos Python-ismeretek és a modern MI- és gépitanulás-fejlesztési keretrendszerek ismerete.