Quantiphi ir mākslīgajam intelektam prioritāti piešķirošs digitālās inženierijas uzņēmums, kas palīdz organizācijām izmantot mākslīgo intelektu, datus un mākoņtehnoloģijas sarežģītu uzņēmējdarbības problēmu risināšanai. Uzņēmums, kas dibināts 2013. gadā, apvieno konsultāciju un inženierijas kompetenci, lai izstrādātu mērogojamas mākslīgā intelekta lietotnes, attīstītu datu analītikas iespējas, modernizētu mākoņinfrastruktūru un īstenotu pielāgotus risinājumus. Tā darbs atbalsta organizācijas veselības aprūpes, finanšu, izglītības, mazumtirdzniecības un loģistikas nozarēs. Tehnoloģiju partneru vidū ir AWS, Google Cloud un NVIDIA. Quantiphi komandas koncentrējas uz progresīvu tehnoloģiju pārvēršanu praktiskos risinājumos uzņēmumu pārveidei.
Vecākais mašīnmācīšanās inženieris uzņēmumā Quantiphi – darbs klātienē Mumbajā
Vadiet mērogojamu mašīnmācīšanās, LLM un sarunvalodas mākslīgā intelekta sistēmu izstrādi un ieviešanu uzņēmumā Quantiphi. Veidojiet aģentu ietvarus, MLOps iespējas un ar AWS integrētus risinājumus.
Apraksts
- Projektējiet, izstrādājiet un ieviesiet mērogojamus mašīnmācīšanās risinājumus, kas aptver tradicionālo mašīnmācīšanos, LLM un sarunvalodas mākslīgo intelektu.
- Pārvaldiet visu mašīnmācīšanās un mākslīgā intelekta dzīves ciklu – no datu sagatavošanas un pazīmju inženierijas līdz modeļu izstrādei, validācijai, ieviešanai un uzraudzībai.
- Veidojiet ražošanai gatavus aģentu ietvarus ar rīku izsaukšanu un koordinētām vairāku aģentu darbplūsmām.
- Piemērojiet MLOps praksi mašīnmācīšanās un uz LLM balstītās sistēmās.
- Izstrādājiet uzticamas REST API, kas savieno mašīnmācīšanās un sarunvalodas mākslīgā intelekta risinājumus ar uzņēmumu lietojumprogrammām un ārējiem pakalpojumiem.
- Veidojiet mērogojamas sarunu analītikas un novērojamības iespējas mākslīgā intelekta sistēmām.
- Sadarbojieties ar datu zinātniekiem, datu inženieriem, produktu vadītājiem un ieinteresētajām personām, lai biznesa vajadzības pārvērstu mērogojamos mašīnmācīšanās un mākslīgā intelekta risinājumos.
- Projektējiet uz LLM balstītus risinājumus un vadiet aģentu ietvaru izstrādi AWS infrastruktūrā.
Prasības
- 4–7 gadu profesionālā pieredze.
- Pierādīta spēja projektēt, izstrādāt un ieviest liela mēroga mašīnmācīšanās risinājumus, tostarp tradicionālo mašīnmācīšanos un uz LLM balstītu sarunvalodas mākslīgo intelektu.
- Pieredze visa mašīnmācīšanās un mākslīgā intelekta dzīves cikla pārvaldībā, tostarp datu sagatavošanā, pazīmju inženierijā, modeļu izstrādē, validācijā, ieviešanā un uzraudzībā.
- Pieredze ražošanas līmeņa aģentu ietvaru, rīku izsaukšanas darbplūsmu un vairāku aģentu koordinācijas projektēšanā.
- MLOps zināšanas par mašīnmācīšanās un LLM sistēmu ieviešanu, uzraudzību un optimizēšanu.
- Padziļinātas zināšanas par regresiju, lēmumu kokiem, SVM, ansambļu metodēm, klasterizāciju, datu priekšapstrādi, pazīmju atlasi un statistisko modelēšanu.
- Padziļināta izpratne par uzvedņu inženieriju, konteksta optimizēšanu, aģentu spriešanas modeļiem, RAG, vektoru datubāzēm un semantisko meklēšanu.
- Spēcīgas Python prasmes, kā arī scikit-learn, XGBoost, LightGBM, LangChain un CrewAI pārzināšana.
- Pieredze stabilu REST API izstrādē mašīnmācīšanās modeļiem un sarunvalodas mākslīgā intelekta lietojumprogrammām.
- Pieredze darbā ar AWS pakalpojumiem, piemēram, SageMaker un Bedrock.
- Pieredze mērogojamu sarunu analītikas un mākslīgā intelekta novērojamības ietvaru izstrādē.
- Teicamas problēmu risināšanas, komunikācijas un ieinteresēto personu pārvaldības prasmes.
- Pieredze ar Model Context Protocol (MCP) vai salīdzināmiem aģentu komunikācijas standartiem tiks uzskatīta par priekšrocību.
- Pieredze klientu atbalsta automatizācijā vai kontaktu centru tehnoloģiju jomā tiks uzskatīta par priekšrocību.
- Mākoņdatošanas mākslīgā intelekta sertifikāti, piemēram, AWS ML Specialty, Azure AI Engineer vai Google Cloud ML Engineer, tiks uzskatīti par priekšrocību.
Priekšrocības
- Darba vide, kuras pamatā ir pārredzamība, daudzveidība, godprātība, mācīšanās un karjeras attīstība.
- Vide, kas atbalsta inovācijas, kā arī profesionālo un personīgo izaugsmi.