Upwind Security tworzy oprogramowanie do ochrony chmury dla organizacji korzystających z infrastruktur wielochmurowych. Platforma łączy zarządzanie stanem bezpieczeństwa chmury, zarządzanie podatnościami w środowisku uruchomieniowym, bezpieczeństwo API i powiązane funkcje, pomagając zespołom DevOps i bezpieczeństwa wykrywać zagrożenia w czasie rzeczywistym, ustalać priorytety podatności oraz skuteczniej zarządzać ryzykiem związanym z infrastrukturą i aplikacjami.
Lider inżynierii AI dla agentów LLM — praca hybrydowa w Tel Awiwie
Pokierujesz tworzeniem gotowych do wdrożenia przepływów pracy agentów LLM oraz infrastruktury backendowej dla operacji bezpieczeństwa w chmurze. Zbudujesz niezawodne systemy AI, które analizują złożone zdarzenia bezpieczeństwa, rozumują na ich temat i reagują na nie.
Opis
- Tworzyć i utrzymywać warstwę orkiestracji autonomicznych agentów obsługujących złożone operacje bezpieczeństwa
- Pomagać w rozwijaniu wspólnej infrastruktury dla modeli, potoków danych, trenowania, ewaluacji i obserwowalności
- Rozwijać silnik agentowych przepływów pracy, obejmujący korzystanie z narzędzi, zarządzanie stanem, ponawianie prób i ewaluację
- Budować usługi backendowe i API, które bezpiecznie dostarczają możliwości AI na dużą skalę
- Współpracować z badaczami AI, przekładając wyniki badań na gotowe do wdrożenia autonomiczne przepływy pracy
- Odpowiadać za niezawodność, obserwowalność i wydajność produkcyjnych systemów agentowych
Wymagania
- Doświadczenie inżynierskie na poziomie średniozaawansowanym lub starszym albo odpowiednie techniczne doświadczenie wojskowe
- Silne kompetencje w inżynierii backendu, ze specjalizacją w uczeniu maszynowym i systemach AI
- Praktyczne doświadczenie w tworzeniu i wdrażaniu aplikacji LLM oraz agentowych frameworków
- Umiejętność skutecznej pracy w dynamicznym środowisku łączącym badania z inżynierią produktową
- Doświadczenie z LangChain, LangGraph lub porównywalnym frameworkiem orkiestracji agentów będzie dużym atutem
- Doświadczenie w korzystaniu z frameworków ewaluacyjnych i narzędzi obserwowalności dla niedeterministycznych systemów AI