Betway Global er en forbrukerrettet merkevare innen nettbasert sportsbetting og iGaming, drevet av Super Group (SGHC). Produktene omfatter sportsbetting og nettbaserte kasinoopplevelser, støttet av regional virksomhet som Betway Africa. Merkevaren har partnerskap med idrettslag og arrangementer, blant annet Arsenal, Manchester City, Springboks og SA20. Betway Globals virksomhet omfatter også initiativer for tryggere gambling gjennom Super Groups program for ansvarlig spilling, SuperPlan, samt arbeid med lokalsamfunn og sponsorater.
Senior AI-ingeniør
Bygg og driftsett AI-systemer for et selskap innen nettspill, fra Azure Machine Learning og RAG til agentbaserte applikasjoner. Lever sikre, overvåkede løsninger, og ta dem fra konseptutprøving til målbare forretningsresultater.
Beskrivelse
- Gjør virksomhetens behov om til AI- og maskinlæringsløsninger med tydelige suksessmål.
- Utvikle og finjustere modeller for klassifisering, prognoser, anbefalinger, avviksdeteksjon og andre bruksområder.
- Klargjør data med feature engineering, rensing og utforskende analyse av strukturerte og ustrukturerte kilder.
- Bygg RAG-systemer med embeddings, vektor- eller hybridsøk, rerangering og forankrede svar.
- Koble sammen og koordinere store språkmodeller ved hjelp av Azure OpenAI og Azure AI Foundry.
- Bruk promptutforming, strukturerte utdata, verktøykall, finjustering eller destillering når det passer løsningen.
- Vurder generative applikasjoner etter kvalitet, hastighet og kostnad, og styr token- og inferensbruk.
- Lag agentbaserte systemer som planlegger og utfører arbeid i flere trinn via verktøy og API-er, med sikkerhetstiltak og menneskelig gjennomgang.
- Bygg arbeidsflyter med flere agenter ved hjelp av Semantic Kernel, Azure AI Agent Service, AutoGen eller LangGraph.
- Utform agentverktøy, minne, tilstandshåndtering og forløp for feil og eskalering.
- Utvikle språkbehandlingsfunksjoner som entitetsuttrekk, oppsummering, sentimentanalyse og intensjonsdeteksjon.
- Implementer tale-til-tekst for både batchjobber og direktetranskripsjon.
- Bruk dokumentintelligens og OCR for å hente ut informasjon fra skjemaer og dokumenter.
- Sett modeller og AI-tjenester i produksjon via API-er, containere eller administrerte endepunkter med automatisert CI/CD.
- Sett opp eksperimentsporing, modellregistre, versjonskontroll og repeterbare treningspipelines.
- Følg med på produksjonsytelse, drift, kvalitet, kostnad og pålitelighet.
- Undersøk driftsproblemer og støtt virksomhetsapplikasjoner.
- Bruk ansvarlig AI-praksis, inkludert rettferdighetssjekker, innholdssikkerhet, evalueringsverktøy og tydelige beskrivelser av begrensninger.
- Oppfyll krav til personvern, databeskyttelse og regelverk, inkludert kontroller for personopplysninger og datalagring innen riktig jurisdiksjon.
- Beskytt systemer med administrerte identiteter, nøkkelhåndtering, nettverksbeskyttelse og tilgang etter prinsippet om minste privilegium.
- Sørg for at modeller, prompter, datakilder og beslutninger kan revideres.
- Koordiner med data engineering om pipelines, featuretilgang og datakvalitet.
- Samarbeid med programvareingeniører om å bygge AI-funksjoner inn i produkter og interne plattformer.
- Formidle metoder, avveininger og resultater til både tekniske og ikke-tekniske kolleger.
- Dokumenter arkitekturer, evalueringer, løsninger og driftsveiledninger.
- Ta AI-prosjekter fra konseptutprøving til produksjon med målbare forretningsresultater.
- Oppfyll avtalte mål for nøyaktighet og responstid for modeller og generative applikasjoner.
- Sørg for at systemer i produksjon er pålitelige, kan støttes og overvåkes, og følger kravene til ansvarlig AI.
- Lag felles komponenter, pipelines og praksiser som flere i teamet kan bruke.
Krav
- 3–5 års praktisk erfaring innen AI, maskinlæring eller datavitenskapelig utvikling, inkludert produksjonssettinger.
- Grad i informatikk foretrekkes; relevante grader innen ingeniørfag, informasjonssystemer, datavitenskap, statistikk eller kvantitative fag vurderes også.
- Relevant yrkescertifisering foretrekkes, for eksempel Microsoft Azure AI Engineer Associate (AI-102) eller Azure Data Scientist Associate (DP-100).
- Praktisk erfaring med å levere løsninger med Azure AI- og maskinlæringstjenester.
- Dokumentert leveranse på flere områder, for eksempel maskinlæring, RAG, LLM-applikasjoner, agentbasert AI, NLP eller tale-til-tekst.
- Gode ferdigheter i Python og SQL, med vekt på ryddig, testet og vedlikeholdbar kode.
- Forståelse av modelevaluering og evne til å validere løsninger før produksjonssetting.
- Evne til å diagnostisere problemer med data, modeller og integrasjoner på en effektiv måte.
- Evne til å jobbe selvstendig og samarbeide på tvers av fagområder.
- Vilje til å fortsette å lære.
- Erfaring med Microsoft Azure, Azure Machine Learning, Azure AI Foundry og Azure OpenAI Service.
- Erfaring med Azure AI Search og Azure AI Services.
- Erfaring med Azure Functions, Azure Container Apps og AKS.
- Kjennskap til Azure Key Vault, Microsoft Entra ID, administrerte identiteter, Azure Monitor og Application Insights.
- Erfaring med Azure Data Lake Storage, Azure SQL, Cosmos DB, Azure Databricks og Microsoft Fabric.
- Gode SQL-ferdigheter og erfaring med håndtering av store mengder strukturerte og ustrukturerte data.
- Python-erfaring med pandas, scikit-learn, PyTorch eller TensorFlow og Hugging Face Transformers.
- Erfaring med LangChain, LlamaIndex, Semantic Kernel eller et tilsvarende orkestreringsrammeverk.
- Erfaring med MLflow og Prompt flow.
- Erfaring med Git, Azure DevOps, GitHub Actions, Docker og infrastruktur som kode ved hjelp av Bicep eller Terraform.
- Erfaring med å bygge REST API-er, ofte med FastAPI eller et tilsvarende rammeverk.
- Kreditt- og vandelskontroll er påkrevd.
- Kontroll av utdanningskvalifikasjoner er påkrevd.
- Tilgjengelig for hybridarbeid i Johannesburg, med oppmøte på kontoret mandag til torsdag.
Fordeler
- Hybridordning med kontorarbeid mandag til torsdag og fjernarbeid på fredag.
- Muligheter for faglig vekst og karriereutvikling.
- Mulighet til å bli vurdert for Talent Management and Talent Development Programme.
- Muligheter til å lære om og ta i bruk ny AI-teknologi.
- Det kan være behov for noe fleksibilitet for å støtte produksjonssettinger eller løse hendelser.