Ford Motor Company er en amerikansk bilprodusent med en historie som går tilbake til 1903. I tillegg til å utvikle og produsere kjøretøy utvider selskapet fokuset sitt til mobilitetstjenester, digitale opplevelser og programvare. Fords arbeid omfatter også bærekraftsarbeid og miljømål, noe som gjenspeiler en tilnærming som knytter sammen transport, innovasjon, samfunnseffekt og ansvarlig forretningsdrift.
AI/ML-arkitekt hos Ford Motor Company (hybrid, India)
Utvikle autonome agenter, multiagentsystemer og RAG-pipelines for virksomheter. Sett generativ AI i produksjon på Google Cloud med MLOps, containere og vektordatabaser.
Beskrivelse
- Utvikle og sette autonome og delvis autonome AI-agenter i drift for virksomhetsprosesser.
- Utforme multiagentarkitekturer med orkestrering, oppdeling av oppgaver, planleggingssløyfer og kommunikasjon mellom agenter.
- Koble agenter til virksomhetssystemer, REST- og GraphQL-API-er, databaser og Google Cloud-tjenester.
- Bygge funksjoner for korttids-, langtids-, episodisk og semantisk hukommelse.
- Opprette, teste, finpusse og vedlikeholde promptmaler og gjenbrukbare promptbiblioteker.
- Vurdere, velge og finjustere grunnmodeller, inkludert Gemini via Vertex AI Model Garden.
- Bygge og optimalisere RAG-pipelines med høy gjennomstrømming og lav forsinkelse, inkludert dokumentinnlesing, oppdeling i tekstbiter og generering av embeddings.
- Integrere og drifte skalerbare vektordatabaser.
- Rense og klargjøre strukturerte og ustrukturerte data for bruk.
- Etablere sikre Google Cloud-miljøer med Terraform som infrastruktur som kode.
- Bygge og vedlikeholde CI/CD-pipelines for automatiserte tester, containerbygg og utrulling på tvers av miljøer.
- Pakke applikasjoner og agenter med Docker, og deretter distribuere dem på GKE eller Cloud Run.
- Sette opp arbeidsflytorkestrering med verktøy som Vertex AI Pipelines eller Cloud Composer/Airflow.
- Definere måleparametere og testpipelines for å vurdere agentkvalitet, forsinkelse, tokenbruk og hallusinasjonsrater.
- Legge til innholdsfiltrering, moderering, grounding-kontroller, vern mot prompt-injeksjon, personvernkontroller og trinn for menneskelig gjennomgang.
- Sette opp produksjonsovervåking, logger, distribuert sporing og varsler i sanntid.
- Forbedre agentarbeidsflyter, modellinnstillinger, mellomlagring og infrastruktur med tanke på kostnader og ytelse.
- Administrere Git-grener, pull-forespørsler og kodegjennomganger.
- Samarbeide med dataforskere, programvareingeniører og forretningsteam for å levere AI-løsninger som er klare for produksjon.
- Dokumentere systemarkitektur, agentflyter, verktøy, prompter, containere og driftsprosedyrer.
Krav
- Minst tre års yrkeserfaring innen maskinlæring eller AI-teknikk, med et solid grunnlag i MLOps.
- Ett til to års praktisk erfaring med å utforme og sette LLM-, generativ AI- eller agentbaserte systemer i produksjon.
- Ekspertkunnskap i Python.
- Erfaring med PyTorch, TensorFlow eller Scikit-learn.
- Solid teoretisk og praktisk kunnskap om dyp læring, naturlig språkbehandling og Transformer-arkitekturer.
- Praktisk erfaring med LangChain, LangGraph, LlamaIndex, CrewAI eller Vertex AI Agent Builder.
- Dokumentert erfaring med Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run og Cloud Functions.
- Dokumentert erfaring med vektorindeksering, semantisk søk, Vertex AI Vector Search, AlloyDB eller tilsvarende verktøy.
- Kunnskap om SQL- og NoSQL-databaser, REST-API-er og GraphQL-API-er.
- Erfaring med Terraform, Git og CI/CD-verktøy som Cloud Build, GitLab CI eller Jenkins.
- Erfaring med Prometheus, Cloud Logging eller LangSmith, samt med å evaluere kvaliteten og sikkerheten til LLM-resultater.
- Sertifisering som Google Cloud Professional Machine Learning Engineer eller Professional Cloud Architect er svært ønskelig.
- Bachelorgrad eller tilsvarende.