Ford Motor Company to amerykański producent samochodów, którego historia sięga 1903 roku. Oprócz opracowywania i produkcji pojazdów firma rozwija działalność w obszarze usług mobilności, rozwiązań cyfrowych i oprogramowania. Ford realizuje również działania na rzecz zrównoważonego rozwoju i wyznacza cele środowiskowe, łącząc transport, innowacje, wpływ na społeczności oraz odpowiedzialne praktyki biznesowe.
Data Scientist, NLP i generatywna AI w Ford, Indie, praca hybrydowa
Twórz produkty NLP, LLM i generatywnej AI dla zastosowań motoryzacyjnych w Fordzie. Buduj multimodalne potoki, przepływy agentowe, interfejsy API i aplikacje dla użytkowników na dużą skalę.
Opis
- Twórz aplikacje i produkty oparte na NLP, LLM i generatywnej AI, stosując zdyscyplinowane praktyki programistyczne.
- Oceniaj zaawansowane modele i metody na potrzeby aplikacji motoryzacyjnych.
- Prowadź eksperymenty z uczeniem maszynowym na potrzeby trenowania modeli i wnioskowania przy ograniczeniach pamięci i opóźnień.
- Wdrażaj REST API dla NLP oraz lekkie interfejsy użytkownika z wykorzystaniem Dockera i Kubernetes.
- Prezentuj aplikacje NLP, LLM i generatywnej AI za pomocą Dash, Plotly i Streamlit.
- Łącz wiele botów w multimodalne aplikacje oparte na LLM.
- Twórz przepływy agentowe z wykorzystaniem Autogen, AgentBuilder i LangGraph.
- Opracowuj modułowe produkty z zakresu AI i uczenia maszynowego przeznaczone do skalowalnego wykorzystania.
- Współpracuj z globalnymi ekspertami technicznymi nad produktami do klasyfikacji, odpowiadania na pytania, chatbotów, tłumaczenia, wyszukiwania semantycznego i podsumowywania.
Wymagania
- Wykształcenie wyższe na poziomie licencjackim lub magisterskim w dziedzinie informatyki, inżynierii, matematyki lub pokrewnej dziedzinie nauk ścisłych.
- Znajomość teorii i praktyki głębokiego uczenia na potrzeby aplikacji NLP.
- Doświadczenie programistyczne z ADK, A2A, AgentSkills, Ontology, Hugging Face, LangGraph, LangChain, Chainlit, TensorFlow lub PyTorch, scikit-learn, NumPy i Pandas.
- Znajomość co najmniej dwóch bibliotek NLP typu open source, takich jak spaCy, TorchText, fastai.text lub FARM Haystack.
- Znajomość technik przetwarzania tekstu, w tym wyrażeń regularnych, analizy tokenów i słów, korekty pisowni, redukcji szumu, segmentacji zdań i klasteryzacji.
- Praktyczne doświadczenie we wdrażaniu BERT lub innych dostrajanych modeli transformerowych do klasyfikacji sekwencji, rozpoznawania nazwanych jednostek lub odpowiadania na pytania.
- Znajomość Dockera oraz środowisk pipenv, conda lub Poetry.
- Znajomość praktyk zarządzania projektami Python, w tym setup.py, logging, pytest, importów względnych i dokumentacji Sphinx.
- Znajomość przepływów pracy GitHub.
- Doświadczenie z usługami GCP, w tym BigQuery, Cloud Functions, Cloud Run, Cloud Build i Vertex AI.
- Praktyczna znajomość narzędzi open source do benchmarkingu i generowania podsumowań.
- Doświadczenie w korzystaniu z zasobów GPU i CPU w środowiskach chmurowych i lokalnych.
- Umiejętność korzystania z platform chmurowych do zadań związanych z inżynierią danych, big data i uczeniem maszynowym.
- Doświadczenie z Dockerem, docker-compose i eksperymentalnymi możliwościami Dockera.
- Znajomość Airflow i Kubeflow.
- Doświadczenie z CI/CD i narzędziami infrastruktury jako kodu, takimi jak Terraform.
- Doświadczenie z Kubernetes lub innymi platformami kontenerowymi, w tym Helm i Argo Workflows.
- Umiejętność tworzenia zgodnych z wymaganiami, etycznych, bezpiecznych i niezawodnych interfejsów API AI.
- Doświadczenie w tworzeniu interfejsów użytkownika lub wizualizacji za pomocą Gradio, Dash, Streamlit, React lub Django.
- Doświadczenie w obliczeniach rozproszonych z użyciem Spark, Dask, RAPIDS AI lub cuDF.
- Umiejętność budowania interfejsów API w Pythonie z użyciem FastAPI, Flask lub Django.
- Doświadczenie z Elasticsearch i Apache Solr będzie dodatkowym atutem; istotne jest również doświadczenie z wektorowymi bazami danych.
- Doświadczenie w pracy z LLM, takimi jak GPT-5, Gemini, Kimi lub Seedance.
- Doświadczenie w całym cyklu życia modeli generatywnej AI, w tym w trenowaniu, testowaniu, wdrażaniu i monitorowaniu wydajności.
- Doświadczenie w tworzeniu i utrzymywaniu multimodalnych potoków AI dla tekstu, obrazów i dźwięku.
- Praktyczne doświadczenie we wdrażaniu chatbotów lub agentów konwersacyjnych na dużą skalę dla różnych źródeł danych.
- Doświadczenie w tworzeniu narzędzi do generowania obrazów lub tłumaczenia z wykorzystaniem modeli dyfuzji latentnej, takich jak Stable Diffusion lub Instruct Pix2Pix.
- Ekspercka znajomość pracy z wielkoskalowymi danymi ustrukturyzowanymi i nieustrukturyzowanymi.
- Doświadczenie w zarządzaniu wielkoskalowymi zbiorami danych i wynikami generatywnej AI.
- Bardzo dobre umiejętności komunikacji i współpracy między regionami geograficznymi.