A CodeNinja Inc. technológiai tanácsadó vállalat, amely segít a vállalkozásoknak szoftvereik és informatikai működésük fejlesztésében, korszerűsítésében és kezelésében. Szolgáltatásai közé tartozik a mesterséges intelligenciára épülő szoftverfejlesztés, az alkalmazásmérnökség, a felhőalapú számítástechnika, a vállalati megoldások, a menedzselt informatikai szolgáltatások és a szakember-kiegészítés. A vállalat digitális transzformációs kezdeményezéseket is támogat, és olyan tanácsadási, logisztikai és SaaS-szervezetek számára kínál releváns szakértelmet, amelyek skálázható technológiai rendszereket és további mérnöki kapacitást keresnek.
Vezető mesterségesintelligencia-mérnök / Ügynökalapú MI-architektus – Rijád, hibrid
Vezető mesterségesintelligencia-mérnök és ügynökalapú MI-architektus, aki biztonságos, skálázható LLM- és RAG-platformokat tervez a CodeNinja banki és pénzügyi szolgáltatási ügyfelei számára. Irányítja az éles MI-architektúra kialakítását, a szállítást, az optimalizálást és a mérnöki csapat mentorálását.
Leírás
- Vállalati MI-megoldások létrehozása modern LLM-ekkel és ügynökalapú MI-keretrendszerekkel
- Többügynökös rendszerek megtervezése tervezéshez, következtetéshez, eszközhasználathoz és munkafolyamatok összehangolásához
- Éles használatra kész RAG-platformok fejlesztése strukturált és strukturálatlan vállalati adatokon
- Skálázható API-k és MI-szolgáltatások fejlesztése Pythonnal és korszerű backend-keretrendszerekkel
- Értékelési keretrendszerek kialakítása az LLM-ek minőségének, biztonságának és teljesítményének mérésére
- Az MI-alkalmazások késleltetésének és áteresztőképességének javítása, valamint az infrastruktúra hatékonyságának növelése
- Nyílt forráskódú LLM-ek üzembe helyezése és működtetése éles környezetben
- Együttműködés architektusokkal, terméktulajdonosokkal, üzleti elemzőkkel és DevOps-csapatokkal vállalati MI-platformokon
- Vállalati biztonsági, irányítási és felelős MI-szabványok alkalmazása
- Mérnöki csapatok mentorálása, valamint újrahasznosítható MI-gyakorlatok és -keretrendszerek továbbfejlesztése
- Vállalati MI-platformok, többügynökös rendszerek, RAG-alapú tudásasszisztensek, MI-copilotok, LLM-értékelési keretrendszerek, éles MI-API-k, megfigyelhetőségi megoldások, valamint biztonságos, skálázható és költséghatékony telepítések önálló megvalósítása
Követelmények
- 8–12+ év szoftvermérnöki tapasztalat
- Legalább 5 év gyakorlati tapasztalat a mesterséges intelligencia, a gépi tanulás és a generatív MI területén
- A gépi tanulás, a mélytanulás, az NLP, a transzformer-architektúrák, az LLM-ek és a beágyazási modellek alapos ismerete
- Magas szintű Python-programozási készség
- Erős szoftvermérnöki alapok
- Tapasztalat éles használatra kész backend-rendszerek fejlesztésében
- Tapasztalat RESTful API-kkal és mikroszolgáltatásokkal
- Tapasztalat aszinkron programozással és skálázható architektúrákkal
- Tapasztalat FastAPI, Flask vagy hasonló keretrendszerek használatában
- Gyakorlati tapasztalat ügynökalapú MI-megoldások tervezésében és megvalósításában LangGraph, CrewAI, OpenAI Agents SDK, AutoGen, Semantic Kernel vagy LlamaIndex Workflows használatával
- Erős tapasztalat többügynökös összehangolásban, tervező ügynökökben, eszközhívásban, ember által felügyelt munkafolyamatokban, memória- és állapotkezelésben, valamint ügynök-együttműködési mintákban
- Jelentős tapasztalat vállalati RAG-platformok fejlesztésében
- Tapasztalat beágyazási modellekkel, vektor- és gráfadatbázisokkal, valamint keresési technológiákkal
- Tapasztalat szisztematikus LLM-értékelési keretrendszerek létrehozásában
- A hallucinációk észlelésének, a hűségnek, a válasz relevanciájának, a kontextus pontosságának és visszahívásának, a megalapozottságnak, a toxicitásnak és a regressziós tesztelésnek az ismerete
- Tapasztalat védőkorlátok és megfigyelhetőség megvalósításában, beleértve a promptok nyomon követését, a token- és költségelemzést, a késleltetés figyelését, a visszajelzési hurkokat és az éles környezetben végzett hibakeresést
- Promptmérnöki szakértelem, beleértve a Gondolatmenetet, a ReActet, a Gondolatok fáját, az önkonzisztenciát, a few-shot és strukturált promptingot, a függvényhívást, a JSON-módot, a promptoptimalizálást és a gyorsítótárazást, a kontextusablak optimalizálását, a tokenhatékonyságot és a költségoptimalizálást
- Gyakorlati tapasztalat nyílt forráskódú LLM-ek üzembe helyezésében
- Tapasztalat GPU-optimalizálással, kötegelt inferenciával, modellkiszolgálással, automatikus skálázással, több GPU-s telepítéssel és kvantálással
- Tapasztalat az MLflow, a Kubeflow, a Docker, a Kubernetes, a GitHub Actions vagy a GitLab CI, a modellverzió-kezelés, a kísérletkövetés, a feature store-ok, a folyamatos értékelés és a folyamatos telepítés terén
- Tapasztalat a Google Cloud Platform Vertex AI, a Microsoft Azure AI, az AWS Bedrock vagy az OpenAI Azure használatában
- Tapasztalat a PostgreSQL, az Oracle, a MongoDB, a Redis, az Elasticsearch vagy az OpenSearch használatában
- Erős analitikus és problémamegoldó képesség
- Kiváló kommunikációs és érdekeltfél-kezelési készség
- Képesség műszaki megbeszélések és architektúra-felülvizsgálatok vezetésére
- Tapasztalat mérnöki csapatok mentorálásában
- Képesség agilis szállítási környezetben való munkavégzésre
- Felsőfokú végzettség számítástechnika, mesterséges intelligencia, információtechnológia, mérnöki tudományok vagy kapcsolódó területen
Juttatások
- A kompenzáció a tapasztalattól és a képesítésektől függ
- Vállalati szintű technológiai és digitális transzformációs kezdeményezéseken való munkavégzés
- Tapasztalatszerzés banki, pénzügyi szolgáltatási, MI-, adat- és feltörekvő technológiai környezetekben
- Szakmai fejlődési és tanulási lehetőségek
- Együttműködő, műszaki fókuszú munkakörnyezet
- Tapasztalt technológiai és tanácsadási szakemberekkel való együttműködés