Naveera Technology LLC ir tehnoloģiju konsultāciju un inženierijas uzņēmums, kas palīdz organizācijām attīstīt mākslīgajā intelektā balstītas spējas, izmantojot praktiskas un ražošanai gatavas sistēmas. Uzņēmuma darbība aptver datu inženieriju, mašīnmācīšanos, ģeneratīvo mākslīgo intelektu, lietotņu izstrādi, mākoņinfrastruktūru un IT operācijas, tostarp datu konveijerus, GenAI modeļu izstrādi, MLOps, kā arī pielāgotas tīmekļa, mobilās un uzņēmumu lietotnes. Naveera atbalsta klientus digitālās veselības aprūpes, finanšu tehnoloģiju, e-komercijas, loģistikas un citās uzņēmējdarbības jomās, izmantojot globālas piegādes komandas, paplašinātu inženiertehnisko atbalstu un izcilības centra modeli, kas vērsts uz datu pārveidošanu noderīgā informācijā un mērogojamās tehnoloģijās.
Vecākais datu inženierijas vadītājs – GCP, AI/ML un ģeneratīvais MI (attālināts darbs ASV)
Vadiet datu platformu migrāciju no AWS uz GCP un veidojiet uzņēmuma līmeņa AI/ML, ģeneratīvā MI un MLOps risinājumus ar GCP un Vertex AI. Īstenojiet globāla inženierijas un IT pakalpojumu partnera modernizācijas iniciatīvas.
Apraksts
- Vadiet uzņēmuma datu platformu migrāciju no AWS uz GCP
- Projektējiet mērogojamas GCP datu platformas, Data Lake un Lakehouse risinājumus
- Izstrādājiet AI/ML, ģeneratīvā MI, RAG un MLOps risinājumus ar GCP un Vertex AI
- Veidojiet pilna cikla mašīnmācīšanās konveijerus sagatavošanai, apmācībai, validācijai, izvietošanai, uzraudzībai, atkārtotai apmācībai un dzīves cikla pārvaldībai
- Projektējiet datu ielādes, pārveides, iegulšanas, indeksēšanas, izgūšanas, pakešu, straumēšanas, ETL un ELT konveijerus
- Novērtējiet AWS vides un kartējiet darba slodzes līdzvērtīgiem vai labākiem GCP pakalpojumiem
- Izveidojiet migrācijas ceļvežus ar posmiem, atkarībām, riskiem, atcelšanas plāniem un mērķa arhitektūrām
- Projektējiet notikumu vadītus reāllaika konveijerus ar Pub/Sub, Dataflow vai Apache Beam, BigQuery un Cloud Storage
- Izveidojiet uzņēmuma datu modeļus, BigQuery particionēšanu un klasterizēšanu, kā arī analītikas izmantošanas modeļus
- Nosakiet datu pārvaldības, kvalitātes, izcelsmes, metadatu, drošības, privātuma, piekļuves kontroles un atbildīga MI standartus
- Vadiet Terraform automatizāciju, CI/CD, izvietošanu, testēšanu un vides virzīšanu Dev, QA, UAT un Production vidēs
- Uzlabojiet veiktspēju, mērogojamību, aizkavi, caurlaidspēju, uzticamību un mākoņa izmaksas, nosakot etalonus un SLA
- Vadiet un mentorējiet Data Engineer, Senior Data Engineer un tehniskos vadītājus, kā arī veiciet arhitektūras un koda pārskatus
- Uzraugiet inženierijas progresu, piegādes riskus, atkarības un starpposma mērķus
- Esiet galvenais tehniskais kontaktpunkts ASV ieinteresētajām personām un sadarbojieties ar biznesa, produktu, datu zinātnes, BI, DevOps, drošības un analītikas komandām
- Pārvērtiet biznesa vajadzības tehniskos risinājumos un komunicējiet arhitektūras lēmumus, migrācijas plānus, ceļvežus, riskus un kompromisus
Prasības
- Vismaz 15 gadu pieredze GCP datu inženierijā, datu arhitektūrā, mākoņinženierijā, AI/ML inženierijā vai saistītā tehnoloģiju vadībā
- Vismaz 5 gadu praktiska GCP datu inženierijas pieredze
- Vismaz 3 gadu praktiska AI/ML un ģeneratīvā MI pieredze
- Pierādīta AWS–GCP migrācijas projektu īstenošanas pieredze
- Plaša pieredze uzņēmuma Data Lake un Lakehouse platformu projektēšanā GCP
- Praktiskas BigQuery, Google Cloud Storage, Dataflow, Pub/Sub, Cloud Composer, Dataproc, IAM un Terraform zināšanas
- Pieredze AWS datu darba slodžu, konveijeru un platformu pārvietošanā uz GCP
- Padziļinātas zināšanas par AWS–GCP pakalpojumu kartēšanu, migrācijas modeļiem, modernizāciju un mākoņarhitektūras praksi
- Pieredze AI/ML risinājumu izveidē un izvietošanā GCP ar Vertex AI
- Praktiska pieredze ar ģeneratīvo MI, LLM lietotnēm, RAG, iegulumiem, vektoru meklēšanu, uzvedņu inženieriju un uzņēmumu MI asistentiem
- Spēcīgas MLOps zināšanas par apmācību, modeļu reģistriem, CI/CD/CT, izvietošanu, uzraudzību, atkārtotu apmācību, pārvaldību un atcelšanu
- Pieredze drošu un atbildīgu MI risinājumu ieviešanā, tostarp privātuma, novērtēšanas, piekļuves kontroles, auditējamības un pārvaldības jomā
- Eksperta līmeņa SQL prasmes un labas Python un PySpark prasmes
- Spēcīga pieredze datu modelēšanā, datu noliktavās, pakešu apstrādē un reāllaika datu inženierijā
- Pieredze ar Terraform, Git, GitHub, Cloud Build, CI/CD un infrastruktūras automatizāciju
- Pieredze datu inženierijas un starpfunkcionālu tehnisko komandu vadībā un mentorēšanā
- Spēcīgas komunikācijas prasmes un pieredze darbā ar ASV bāzētām ieinteresētajām personām
- Google Cloud Professional Data Engineer sertifikācija tiks uzskatīta par priekšrocību
- Google Cloud Professional Machine Learning Engineer sertifikācija tiks uzskatīta par priekšrocību
- Pieredze ar Vertex AI Agent Builder, Vertex AI Search, Gemini on Vertex AI vai uzņēmumu ģeneratīvā MI platformām tiks uzskatīta par priekšrocību
- Pieredze ar dbt, Apache Airflow, Kafka, Apache Spark, Kubernetes, Cloud Run un API vadītām arhitektūrām tiks uzskatīta par priekšrocību
- Pieredze ar Dataplex, Data Catalog, datu izcelsmi, metadatu pārvaldību, pārvaldības sistēmām, pamatdatu pārvaldību un datu kvalitātes ietvariem tiks uzskatīta par priekšrocību
- Pieredze uzņēmumu vai regulētās vidēs ar stingrām privātuma, drošības, atbilstības, audita un pārvaldības prasībām tiks uzskatīta par priekšrocību
- Tehniskajai kompetencei jāietver Python, PyTorch, TensorFlow, Scikit-learn, NLP, dziļā mācīšanās, ML algoritmi, ģeneratīvais MI, LLM, GPT, Gemini, Claude, Llama, uzvedņu inženierija, precizēšana, RAG, iegulumi, vektoru datubāzes, semantiskā un hibrīdā meklēšana, pārkārtošana, LangChain, LlamaIndex, LangGraph, Hugging Face, Transformers, MI aģenti, aģentiskās darbplūsmas, rīku vai funkciju izsaukšana, daudzaģentu sistēmas, MCP, MLflow, Kubeflow, modeļu reģistri, izvietošana, uzraudzība, CI/CD, Vertex AI, Vertex AI Studio, Vertex AI Pipelines, Model Garden, Vector Search, FastAPI, Flask, REST API, SQL, Docker, Kubernetes, GCP, AWS, Azure, BigQuery, Dataflow, Spark, Databricks, datu ezeri, progresīvs Python, eksperta SQL, PySpark, Apache Spark, ETL, ELT, CDC, pakešu un straumēšanas apstrāde, notikumu vadīta arhitektūra, konveijeru izstrāde un optimizācija, uzņēmuma Data Lake un Lakehouse, Medallion Architecture, datu noliktavas, datu modelēšana, dimensiju modelēšana, daudznomnieku modelēšana, schema-on-read un schema-on-write, dbt, Apache Airflow vai Cloud Composer, Dataproc, Dataflow vai Apache Beam, AWS Glue, Redshift, EMR, Lambda, Kinesis, Athena, CloudWatch, GCS, AWS S3, Pub/Sub, Dataplex, Data Catalog, Terraform, Git vai GitHub, Cloud Build, CI/CD, Infrastructure as Code, datu izcelsme, metadatu pārvaldība, datu kvalitāte, uzraudzība un OpenLineage
Priekšrocības
- Elastīgs attālināts darbs
- Darbs ar klientiem visā pasaulē
- Sadarbība uz inovācijām vērstā vidē
- Nepārtrauktas mācīšanās un sertifikācijas iespējas
- Vadīt nozīmīgas AI/ML un GCP inovāciju iniciatīvas kā inženierijas vadītājam