Quantiphi to firma zajmująca się inżynierią cyfrową, stawiająca przede wszystkim na sztuczną inteligencję. Pomaga organizacjom wykorzystywać technologie sztucznej inteligencji, danych i chmury do rozwiązywania złożonych wyzwań biznesowych. Założona w 2013 roku firma łączy kompetencje konsultingowe i inżynieryjne, aby tworzyć skalowalne aplikacje AI, rozwijać analitykę danych, modernizować infrastrukturę chmurową oraz wdrażać rozwiązania dopasowane do indywidualnych potrzeb. Quantiphi wspiera organizacje z sektorów takich jak ochrona zdrowia, finanse, edukacja, handel detaliczny i logistyka, a do jej partnerów technologicznych należą AWS, Google Cloud i NVIDIA. Zespoły firmy koncentrują się na przekładaniu zaawansowanych technologii na praktyczne rozwiązania wspierające transformację przedsiębiorstw.
Starszy inżynier uczenia maszynowego w Quantiphi — Mumbaj, praca stacjonarna
Kieruj projektowaniem i wdrażaniem skalowalnych systemów uczenia maszynowego, LLM i konwersacyjnej AI w Quantiphi. Twórz frameworki agentów, rozwiązania MLOps i rozwiązania zintegrowane z AWS.
Opis
- Projektować, rozwijać i wdrażać skalowalne rozwiązania uczenia maszynowego obejmujące tradycyjne ML, LLM i konwersacyjną AI.
- Odpowiadać za pełny cykl życia ML i AI — od przygotowania danych i inżynierii cech po tworzenie, walidację, wdrażanie i monitorowanie modeli.
- Tworzyć gotowe do użycia produkcyjnego frameworki agentów z wywoływaniem narzędzi i skoordynowanymi przepływami pracy wielu agentów.
- Stosować praktyki MLOps w systemach uczenia maszynowego i systemach opartych na LLM.
- Tworzyć niezawodne interfejsy REST API łączące rozwiązania ML i konwersacyjnej AI z aplikacjami firmowymi oraz usługami zewnętrznymi.
- Budować skalowalne możliwości analityki konwersacji i obserwowalności systemów AI.
- Współpracować z data scientistami, inżynierami danych, product managerami i interesariuszami, przekładając potrzeby biznesowe na skalowalne rozwiązania ML i AI.
- Projektować rozwiązania oparte na LLM i kierować rozwojem frameworków agentów na infrastrukturze AWS.
Wymagania
- 4–7 lat doświadczenia zawodowego.
- Udokumentowana umiejętność projektowania, rozwijania i wdrażania wielkoskalowych rozwiązań ML, w tym tradycyjnego uczenia maszynowego i konwersacyjnej AI opartej na LLM.
- Doświadczenie w zarządzaniu pełnym cyklem życia ML i AI, obejmującym przygotowanie danych, inżynierię cech, tworzenie, walidację, wdrażanie i monitorowanie modeli.
- Doświadczenie w projektowaniu produkcyjnych frameworków agentów, przepływów pracy z wywoływaniem narzędzi i koordynacji wielu agentów.
- Ekspertyza w zakresie MLOps, obejmująca wdrażanie, monitorowanie i optymalizację systemów ML i LLM.
- Bardzo dobra znajomość regresji, drzew decyzyjnych, SVM, metod zespołowych, klasteryzacji, wstępnego przetwarzania danych, selekcji cech i modelowania statystycznego.
- Zaawansowane rozumienie projektowania promptów, optymalizacji kontekstu, wzorców rozumowania agentów, RAG, baz wektorowych i wyszukiwania semantycznego.
- Bardzo dobra znajomość języka Python oraz scikit-learn, XGBoost, LightGBM, LangChain i CrewAI.
- Doświadczenie w tworzeniu niezawodnych interfejsów REST API dla modeli ML i aplikacji konwersacyjnej AI.
- Doświadczenie z usługami AWS, takimi jak SageMaker i Bedrock.
- Doświadczenie w tworzeniu skalowalnych frameworków analityki konwersacji i obserwowalności AI.
- Doskonałe umiejętności rozwiązywania problemów, komunikacji i zarządzania relacjami z interesariuszami.
- Doświadczenie z Model Context Protocol (MCP) lub porównywalnymi standardami komunikacji agentów będzie dodatkowym atutem.
- Doświadczenie w automatyzacji obsługi klienta lub technologiach contact center będzie dodatkowym atutem.
- Certyfikaty z zakresu chmurowej AI, takie jak AWS ML Specialty, Azure AI Engineer lub Google Cloud ML Engineer, będą dodatkowym atutem.
Benefity
- Środowisko pracy oparte na przejrzystości, różnorodności, uczciwości, nauce i rozwoju kariery.
- Środowisko wspierające innowacje oraz rozwój zawodowy i osobisty.