A Brillio technológiai tanácsadó vállalat, amely az egészségügy, a biztosítás, a logisztika, a pénzügyi szolgáltatások, a távközlés és média, az élettudományok, valamint a kiskereskedelem területén működő szervezeteknek segít eligazodni a digitális átalakulásban. Tevékenysége kiterjed az ügyfélélményre, az adatokra és a mesterséges intelligenciára, a generatív mesterséges intelligenciára, a termék- és platformfejlesztésre, továbbá az infrastruktúrára, a felhőre és a biztonságra. A Brillio a mérnöki szaktudást iparági ismeretekkel ötvözve digitális termékeket fejleszt és korszerűsíti a technológiai környezeteket, ezáltal segítve a vállalkozásokat a változó piaci és technológiai igényekhez való alkalmazkodásban.
Vezető adatelemzési szakértő - MI/ML és LLM | Brillio | Hibrid, India
Vezesse a Brillio vállalati MI kezdeményezéseit LLM-alkalmazások, ágensalapú rendszerek és éles környezetben működő gépi tanulási megoldások fejlesztésével. Irányítsa a Databricks, az MLOps, az LLMOps és a felhőalapú modellkiszolgálás folyamatait egy indiai hibrid munkakörben.
Leírás
- Tervezzen és valósítson meg fejlett gépi tanulási és mesterségesintelligencia-megoldásokat, köztük LLM-alkalmazásokat és ágensalapú rendszereket, amelyek összetett üzleti problémákat oldanak meg és mérhető eredményeket hoznak.
- Vezesse a nagy rendelkezésre állású, skálázható MI/ML- és GenAI-modellek fejlesztését, üzembe helyezését és működtetését Azure, AWS vagy GCP környezetben.
- Építsen és optimalizáljon MI-ágenseket és autonóm munkafolyamatokat robusztus memóriával, kontextuskezeléssel és többágenses architektúrákkal.
- Vezesse a Databricks vállalati MI/ML-munkaterheléseit az AI Agents, a Model Serving, a Vector Search, az MLflow és az Unity Catalog használatával.
- Alakítson ki MLOps- és LLMOps-gyakorlatokat, amelyek lefedik a CI/CD-t, a modell-életciklus kezelését, a kísérletkövetést, az értékelést és a monitorozást.
- Fejlesszen és valósítson meg RAG-architektúrákat, embeddingeket, vektoradatbázisokat, promptmérnökséget és LLM-értékelési keretrendszereket.
- Alkalmazzon MI-biztonsági, felelős MI-, adatvédelmi és védelmi mechanizmusokat a hallucinációk, a promptinjektálás és más GenAI-kockázatok kezelésére.
- Mentorálja a mérnököket, adjon technikai iránymutatást, és működjön együtt több szakterület csapataival skálázható, vállalati szintű MI-megoldások szállítása érdekében.
Követelmények
- Legalább nyolc év tapasztalat MI/ML-mérnöki, gépi tanulási, adatelemzési, szoftvermérnöki vagy kapcsolódó területen.
- Haladó szintű, gyakorlati programozási tapasztalat Pythonnal.
- Magabiztos SQL-ismeret és nagy léptékű strukturált és strukturálatlan adathalmazokkal szerzett tapasztalat.
- A gépi tanulás és a mesterséges intelligencia alapjainak erős gyakorlati ismerete.
- Gyakorlati tapasztalat LLM-alkalmazások fejlesztésében és üzembe helyezésében.
- Ágensalapú MI-ben szerzett szakértelem, beleértve az orkhesztrációt, az autonóm munkafolyamatokat, az eszköz- vagy függvényhívást, a tervezést, a feladatbontást, a memóriát és a kontextuskezelést.
- Kiterjedt gyakorlati tapasztalat a Databricks AI Agents használatában és a tágabb Databricks-ökoszisztémában.
- Tapasztalat MLOps- és LLMOps-folyamatokban, beleértve a CI/CD-t, a modell-életciklus kezelését, a kísérletkövetést és az éles üzembe helyezést.
- Bizonyított tapasztalat MI/ML- vagy GenAI-modellek és -alkalmazások üzembe helyezésében és működtetésében Azure, AWS vagy GCP környezetben.
- Szakértelem a RAG-architektúrák, az embeddingek, a vektoradatbázisok vagy vektorkeresés, a promptmérnökség és az LLM-értékelés terén.
- Jártasság olyan LLM- és GenAI-keretrendszerekben vagy orkhesztrációs eszközökben, mint a LangChain, a LangGraph, a Semantic Kernel vagy hasonló technológiák.
- A számítástechnika, az adatelemzés, a mesterséges intelligencia, az informatikai technológiák vagy egy szorosan kapcsolódó tudományterület alapképzéses diplomája előnyt jelent, de nem feltétel.
- A gépi tanulás, az MI-mérnökség, az adatelemzés, a felhőplatformok vagy az MLOps területén szerzett tanúsítványok előnyt jelentenek, de nem feltételek.