Databricks utvikler en samlet data- og AI-plattform for organisasjoner som trenger å håndtere data i stor skala, bygge maskinlæringssystemer og gjøre analyser om til produksjonsapplikasjoner. Teknologien samler datateknikk, Apache Spark-bearbeiding, analyse og drift av maskinlæring, slik at tekniske team kan arbeide gjennom hele datalivssyklusen – fra bearbeiding og eksperimentering til distribusjon og generering av innsikt.
Ledende løsningsarkitekt for generativ AI, Frankrike
Led kundeoppdrag som tar generativ AI og store språkmodeller i produksjon på tvers av EMEA. Utform produksjonsklare arkitekturer, konseptbevis og løsninger for modelltilpasning for Databricks-kunder.
Beskrivelse
- Veiled strategien for generativ AI, store språkmodeller og anvendt maskinlæring i forretningsenheten EMEA Emerging DNB
- Samarbeid med løsningsarkitekter, løsningsingeniører og account-team for å avgrense og utforme bruksområder for generativ AI og håndtere risikoen
- Utvikle konseptbevis og referanseimplementeringer for storskala arbeidsbelastninger med store språkmodeller og dyp læring på Databricks
- Lede prosjekter for finjustering og tilpasning av åpne store språkmodeller
- Bruke evalueringsmetoder basert på dommermodeller og effektiv datamerking i situasjoner med høye krav til kvalitet og sikkerhet
- Koble produkt- og ingeniørteam med tilbakemeldinger fra kunder og forklare produktplaner for feltteamene
- Opplære og veilede kolleger i Field Engineering i EMEA Emerging DNB gjennom workshops, referansearkitekturer og interne programmer
- Representere Databricks på konferanser, i tekniske blogger og i kundebriefinger for ledere
Krav
- Kjenne til landskapet for store språkmodeller, inkludert proprietære modeller, modeller med åpen kildekode og leverandører
- Ha dyp ekspertise innen RAG, agenter, verktøybruk, finjustering, modelltilpasning, promptutvikling, evalueringsutvikling samt sikkerhetstiltak for store språkmodeller
- Ha et solid grunnlag innen maskinlæring og dyp læring, inkludert distribuert trening, GPU-arbeidsbelastninger og hele MLOps-livssyklusen
- Beherske Python og ML-verktøy som PyTorch, Transformers, MLflow og Spark
- Ha erfaring med å levere referanseimplementeringer med produksjonskvalitet
- Kjenne Databricks eller kunne lære plattformen raskt, inkludert Mosaic AI, Model Serving, Vector Search og Unity Catalog
- Ha skykompetanse med AWS, Azure eller GCP
- Kommunisere godt og samarbeide rådgivende med kunder
- Vise til erfaring med teknisk ledelse og veiledning
- Trives med å jobbe med digitalt innfødte kunder og kunder i sterk vekst
- Være bosatt i Storbritannia og kunne jobbe på tvers av tidssonene i EMEA
- Være villig til å reise til kundesteder i regionen ved behov
- Erfaring med å hjelpe digitalt innfødte kunder med å bygge data- og ML-løsninger er en fordel
- Offentlig teknisk engasjement, erfaring fra regulerte bransjer eller bransjer med høye konsekvenser, og erfaring med samarbeid med produkt- og ingeniørteam er ytterligere fordeler
Fordeler
- Omfattende personalgoder og fordeler, med regionsspesifikke detaljer i det lenkede dokumentet om personalgoder