Johnson & Johnson
Johnson & Johnson
Johnson & Johnson ir globāls veselības aprūpes uzņēmums, kas darbojas inovatīvu zāļu un medicīnas tehnoloģiju jomā. Tā komandas izstrādā risinājumus onkoloģijā, imunoloģijā, neirozinātnē, specializētajā oftalmoloģijā, invazīvajā aprūpē un ortopēdijā, apvienojot zinātni un tehnoloģijas, lai risinātu sarežģītas veselības aprūpes vajadzības. Uzņēmums pievēršas arī veselības vienlīdzībai, vides ilgtspējai, daudzveidībai un iekļaušanai, apkalpojot veselības aprūpes sniedzējus, pacientus un kopienas visā pasaulē.

Vadošais MI operāciju inženieris – hibrīddarbs Milānā

Vadošais MI operāciju inženieris atbild par drošām, pārskatāmām un izmaksu ziņā efektīvām MI operācijām uzņēmumā Johnson & Johnson. Šis amats atbalsta ražošanas MI lietotnes Milānā, Madridē un Lisabonā.

Apraksts

  • Izstrādāt un ieviest visaptverošu MI lietotņu un aģentu pārskatāmību
  • Standartizēt telemetriju un izkliedēto izsekošanu aģentu darbplūsmās, API, datu pakalpojumos, vektoru krātuvēs, modeļu galapunktos un ārējos rīkos
  • Izstrādāt informācijas paneļus un brīdinājumus par pieejamību, latentumu, kļūdām, uzticamību, kvalitāti, politiku pārkāpumiem, patēriņu un pakalpojuma stāvokli
  • Noteikt pakalpojumu līmeņa indikatorus un mērķus, kļūdu budžetus, brīdinājumu sliekšņus un operacionālās gatavības standartus
  • Atbalstīt uz izsekošanu balstītu atkļūdošanu, incidentu rekonstrukciju un kontrolētu sesiju atkārtošanu, vienlaikus aizsargājot sensitīvus datus
  • Sekot izguves kvalitātei, datu aktualitātei, modeļu un uzvedņu regresijām, anomālām aģentu cilpām, rīku darbības pasliktināšanās gadījumiem un citai neparedzētai darbībai izpildes laikā
  • Vadīt MI platformas un izpildlaika incidentu pamatcēloņu izmeklēšanu un ieviest preventīvus uzlabojumus un kontroles pasākumus
  • Veidot atkārtoti izmantojamus konveijerus, veidnes un kontroles konfigurāciju, uzvedņu, modeļu un aģentu komponentu versiju pārvaldībai
  • Ieviest automatizētus izvietošanas vārtus, integrācijas testēšanu, regresijas validāciju, drošības pārbaudes un pārskatāmības pārklājuma pārbaudes
  • Atbalstīt kanārija izvietošanu, funkciju karodziņus, modeļu un pakalpojumu sniedzēju maršrutēšanu, rezerves iespējas un atgriešanas procedūras
  • Izstrādāt operacionālos rīkus vairākiem modeļiem, ietvariem, mākoņvidēm un aģentu arhitektūrām
  • Uzturēt darbības rokasgrāmatas, atsauces implementācijas, inženierijas standartus un ražošanas atbalsta praksi
  • Ieviest MI patēriņa uzskaiti, sadali, iekšējo izmaksu pārskatu, budžetus, sliekšņus, anomāliju brīdinājumus un izpildlaika kontroles
  • Sadarboties ar produktu komandām, lai optimizētu modeļa izvēli, maršrutēšanu, konteksta lielumu, kešošanu, pakešu apstrādi, atkārtotus mēģinājumus un rīku izmantošanu
  • Integrēt drošību, privātumu, atbildīgu MI, atbilstību, identitāti, piekļuves pārvaldību, noslēpumu apstrādi un auditējamību MI izpildlaikā
  • Izstrādāt aizsardzību pret uzvedņu injekcijām, jailbreak uzbrukumiem, neatļautu rīku izmantošanu, pārmērīgām atļaujām, datu noplūdēm, nedrošiem izpildes ceļiem un anomālu piekļuvi
  • Definēt uzraudzības, atbalsta, incidentu, problēmu, izmaiņu, eskalācijas un pakalpojumu atjaunošanas darbības procedūras
  • Izveidot ražošanas gatavības kontrolsarakstus, pieņemšanas kritērijus, dežūru rokasgrāmatas, eskalācijas ceļus, atjaunošanas procedūras un darbības nepārtrauktības prasības
  • Automatizēt operacionālos procesus, lai samazinātu rekonstrukcijas darbu un paātrinātu noteikšanu, diagnostiku, ierobežošanu un atjaunošanu
  • Sagatavot tehnisko dokumentāciju un apmācīt inženierijas komandas apstiprinātajā operacionālajā praksē
  • Būt par tehnisko koordinatoru starp MI, platformu, mākoņvides, datu, arhitektūras, kiberdrošības, privātuma, atbilstības un pakalpojumu pārvaldības komandām
  • Definēt un uzraudzīt KPI par uzticamību, pārskatāmību, incidentu veiktspēju, izmaksu efektivitāti, kontroles pārklājumu, audita pierādījumiem un platformas ieviešanu
  • Izmantot operacionālos datus, lai noteiktu automatizācijas, uzticamības uzlabojumu, izmaksu optimizācijas un risku mazināšanas prioritātes

Prasības

  • Bakalaura vai maģistra grāds datorzinātnēs, inženierzinātnēs, mākslīgajā intelektā vai saistītā jomā, vai līdzvērtīga atbilstoša pieredze
  • Vismaz piecu gadu praktiska pieredze platformu inženierijā, vietņu uzticamības inženierijā, DevOps, DevSecOps, MLOps vai ražošanas programmatūras inženierijā ar atbildību par darbojošos pakalpojumu
  • Praktiska pieredze mašīnmācīšanās, ģeneratīvā MI vai aģentu sistēmu ekspluatācijā ražošanas vidē
  • Praktiskas zināšanas Python, API, infrastruktūrā kā kodā un CI/CD rīkos, piemēram, Terraform, GitHub Actions vai Azure DevOps
  • Pieredze ar mākoņvietējām platformām, konteineriem, orķestrēšanu un uzņēmumu mākoņpakalpojumiem; Azure pieredze tiek īpaši novērtēta
  • Pieredze pārskatāmības ieviešanā, izmantojot žurnālus, metrikas, izkliedētās pēdas, informācijas paneļus un brīdinājumus; vēlama OpenTelemetry vai līdzvērtīgu standartu pieredze
  • Padziļināta izpratne par LLM lietotņu modeļiem, tostarp RAG, vektoru krātuvēm, modeļu vārtejām, rīku izsaukšanu, aģentu atmiņu un vairāku aģentu orķestrēšanu
  • Darba zināšanas par identitātes un piekļuves pārvaldību, noslēpumu pārvaldību, drošu reģistrēšanu, draudu modelēšanu, privātumu pēc projekta un audita kontrolēm
  • Spēja neskaidras operacionālās un kontroles vajadzības pārvērst atkārtoti izmantojamās tehniskajās iespējās, standartos, automatizācijā un darbības rokasgrāmatās
  • Spēcīgas ieinteresēto pušu pārvaldības, tehniskās saziņas un dokumentēšanas prasmes
  • Pieredze regulētās nozarēs ar formālām drošības, privātuma, kvalitātes, validācijas, riska vai audita prasībām tiks uzskatīta par priekšrocību
  • Praktiska pieredze ar Azure OpenAI, Azure AI Foundry, Azure Monitor, Application Insights, Microsoft Fabric vai līdzvērtīgiem mākoņpakalpojumiem tiks uzskatīta par priekšrocību
  • Pieredze ar MI pārskatāmības vai novērtēšanas platformām, piemēram, Langfuse, LangSmith, Arize, MLflow vai līdzvērtīgiem rīkiem, tiks uzskatīta par priekšrocību
  • Pieredze vairāku modeļu nodrošinātāju, vairāku mākoņu pakalpojumu vai aģentu ietvaru ekspluatācijā tiks uzskatīta par priekšrocību
  • Zināšanas par FinOps, mākoņizmaksu sadali, budžeta plānošanu un MI slodžu vienības ekonomikas mērīšanu tiks uzskatītas par priekšrocību
  • Pieredze uzņēmumu platformu pakalpojumu līmeņa mērķu, dežūru modeļu, incidentu pārvaldības un operacionālās gatavības vārtu definēšanā tiks uzskatīta par priekšrocību

Priekšrocības

  • Gada prēmija, kuras mērķa apmēru nosaka atalgojuma līmenis un atrašanās vieta, pamatojoties uz individuālajiem un uzņēmuma rezultātiem
  • Atvaļinājuma dienas
  • Vismaz 12 nedēļu bērna kopšanas atvaļinājums
  • Atvaļinājums sēru gadījumā
  • Aprūpētāja atvaļinājums
  • Brīvprātīgā darba atvaļinājums
  • Labsajūtas izdevumu kompensācija
  • Finansiālās, fiziskās un garīgās veselības programmas
  • Apbalvojumi par darba jubilejām un atzinību
  • Apdrošināšanas plāni darbiniekiem un dažās atrašanās vietās tiesīgajiem apgādājamajiem

Saistītās vakances

WTW

Employee Experience Analyst

WTW

Support WTW employee experience consulting with AI-assisted research, communications, and change strategies. Work with client teams to improve digital experiences and deliver clear, audience-focused insights.

Atvērt
DTN

Remote Engineering Manager, AWS Platform — Texas

DTN

Lead DTN’s AWS platform engineering team, building secure distributed systems and developer tools for a global data and technology company serving energy, agriculture, and weather industries. Guide platform architecture, operations, and AI-enabled capabilities.

Atvērt