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.
Data Scientist, NLP og generativ kunstig intelligens hos Ford, India hybrid
Utvikle NLP-, LLM- og generative AI-produkter for bruk innen bilindustrien hos Ford. Bygg multimodale pipelines, agentbaserte arbeidsflyter, API-er og brukerrettede applikasjoner i stor skala.
Beskrivelse
- Skap NLP-, LLM- og generative AI-applikasjoner og produkter med disiplinerte kodingsmetoder.
- Evaluer avanserte modeller og metoder for bruk innen bilindustrien.
- Gjennomfør maskinlæringseksperimenter for modelltrening og inferens under begrensninger for minne og latenstid.
- Distribuer NLP REST-API-er og lette brukergrensesnitt med Docker og Kubernetes.
- Presenter NLP-, LLM- og generative AI-applikasjoner ved hjelp av Dash, Plotly og Streamlit.
- Kombiner flere boter til multimodale, LLM-drevne applikasjoner.
- Opprett agentbaserte arbeidsflyter med Autogen, AgentBuilder og LangGraph.
- Utvikle modulære AI- og maskinlæringsprodukter utformet for skalerbar bruk.
- Samarbeid med globale tekniske eksperter om produkter for klassifisering, spørsmålssvar, chatboter, oversettelse, semantisk søk og oppsummering.
Krav
- Bachelor- eller mastergrad i informatikk, ingeniørfag, matematikk eller et nærliggende naturvitenskapelig fagområde.
- Forståelse av teori og praksis innen dyp læring for NLP-applikasjoner.
- Programmeringserfaring med ADK, A2A, AgentSkills, Ontology, Hugging Face, LangGraph, LangChain, Chainlit, TensorFlow eller PyTorch, scikit-learn, NumPy og Pandas.
- Kjennskap til minst to NLP-biblioteker med åpen kildekode, for eksempel spaCy, TorchText, fastai.text eller FARM Haystack.
- Kunnskap om tekstbehandlingsteknikker, inkludert regulære uttrykk, token- og ordanalyse, stavekorrigering, støyreduksjon, setningssegmentering og klynging.
- Praktisk erfaring med utrulling av BERT eller andre finjusterte transformermodeller for sekvensklassifisering, gjenkjenning av navngitte entiteter eller spørsmålssvar.
- Kjennskap til Docker og pipenv-, conda- eller Poetry-miljøer.
- Kunnskap om praksis for Python-prosjektstyring, inkludert setup.py, logging, pytest, relative importer og Sphinx-dokumentasjon.
- Kjennskap til GitHub-arbeidsflyter.
- Erfaring med GCP-tjenester, inkludert BigQuery, Cloud Functions, Cloud Run, Cloud Build og Vertex AI.
- Praktisk kjennskap til verktøy med åpen kildekode for benchmarking og generering av oppsummeringer.
- Erfaring med bruk av GPU- og CPU-ressurser i sky- og lokale miljøer.
- Evne til å bruke skyplattformer for datateknikk, stordata og maskinlæringsarbeidsbelastninger.
- Erfaring med Docker, docker-compose og eksperimentelle Docker-funksjoner.
- Kjennskap til Airflow og Kubeflow.
- Erfaring med CI/CD og verktøy for infrastruktur som kode, for eksempel Terraform.
- Erfaring med Kubernetes eller andre containerplattformer, inkludert Helm og Argo Workflows.
- Evne til å lage kompatible, etiske, sikre og trygge AI-API-er.
- Erfaring med utvikling av brukergrensesnitt eller visualiseringer med Gradio, Dash, Streamlit, React eller Django.
- Erfaring med distribuert databehandling med Spark, Dask, RAPIDS AI eller cuDF.
- Evne til å bygge Python-API-er med FastAPI, Flask eller Django.
- Erfaring med Elasticsearch og Apache Solr er en fordel; erfaring med vektordatabaser er også relevant.
- Erfaring med å arbeide med LLM-er som GPT-5, Gemini, Kimi eller Seedance.
- Erfaring med hele livssyklusen for generative AI-modeller, inkludert trening, testing, utrulling og ytelsesovervåking.
- Erfaring med å utvikle og vedlikeholde multimodale AI-pipelines for tekst, bilder og lyd.
- Praktisk erfaring med å rulle ut chatboter eller samtaleagenter i stor skala på tvers av ulike datakilder.
- Erfaring med å lage verktøy for bildegenerering eller oversettelse med latente diffusjonsmodeller som Stable Diffusion eller Instruct Pix2Pix.
- Ekspertise i arbeid med store strukturerte og ustrukturerte datamengder.
- Erfaring med å håndtere store datasett og resultater for generativ AI.
- Gode kommunikasjons- og samarbeidsevner på tvers av geografiske regioner.