Naveera Technology LLC to firma konsultingowa i inżynieryjna z sektora technologii, która pomaga organizacjom rozwijać możliwości oparte na sztucznej inteligencji dzięki praktycznym systemom gotowym do wdrożenia. Jej działalność obejmuje inżynierię danych, uczenie maszynowe, generatywną sztuczną inteligencję, tworzenie aplikacji, infrastrukturę chmurową i operacje IT, w tym potoki danych, rozwój modeli GenAI, MLOps oraz tworzenie niestandardowych aplikacji internetowych, mobilnych i korporacyjnych. Naveera wspiera klientów z obszaru cyfrowej opieki zdrowotnej, fintechu, handlu elektronicznego, logistyki i innych środowisk biznesowych, korzystając z globalnych zespołów dostarczających rozwiązania, rozszerzonego wsparcia inżynieryjnego oraz modelu centrum kompetencji skoncentrowanego na przekształcaniu danych w użyteczną wiedzę i skalowalne technologie.
Starszy menedżer ds. inżynierii danych — GCP, AI/ML i GenAI (praca zdalna w USA)
Kieruj migracjami platform danych z AWS do GCP oraz twórz korporacyjne rozwiązania AI/ML, GenAI i MLOps z wykorzystaniem GCP i Vertex AI. Prowadź inicjatywy modernizacyjne dla globalnego partnera w zakresie usług inżynieryjnych i IT.
Opis
- Kierowanie migracjami korporacyjnych platform danych z AWS do GCP
- Projektowanie skalowalnych platform danych GCP, Data Lake i Lakehouse
- Tworzenie rozwiązań AI/ML, generatywnej AI, RAG i MLOps z wykorzystaniem GCP i Vertex AI
- Budowanie kompleksowych potoków uczenia maszynowego do przygotowywania, trenowania, walidacji, wdrażania, monitorowania, ponownego trenowania i zarządzania cyklem życia
- Projektowanie potoków pozyskiwania, transformacji, tworzenia embeddingów, indeksowania, wyszukiwania, przetwarzania wsadowego i strumieniowego, ETL oraz ELT
- Ocena środowisk AWS i mapowanie obciążeń na równoważne lub ulepszone usługi GCP
- Tworzenie planów migracji obejmujących etapy, zależności, ryzyka, plany wycofania zmian i architektury docelowe
- Projektowanie sterowanych zdarzeniami potoków czasu rzeczywistego z Pub/Sub, Dataflow lub Apache Beam, BigQuery i Cloud Storage
- Ustanawianie korporacyjnych modeli danych, partycjonowania i klastrowania BigQuery oraz wzorców korzystania z analityki
- Ustalanie standardów zarządzania danymi, jakości, pochodzenia, metadanych, bezpieczeństwa, prywatności, kontroli dostępu i odpowiedzialnej AI
- Kierowanie automatyzacją Terraform, CI/CD, wdrażaniem, testowaniem i promocją środowisk Dev, QA, UAT i Production
- Poprawa wydajności, skalowalności, opóźnień, przepustowości, niezawodności i kosztów chmury przy definiowaniu benchmarków oraz SLA
- Zarządzanie inżynierami danych, starszymi inżynierami danych i liderami technicznymi oraz przeprowadzanie przeglądów architektury i kodu
- Monitorowanie postępów inżynieryjnych, ryzyk dostaw, zależności i kamieni milowych
- Pełnienie funkcji głównego kontaktu technicznego dla interesariuszy w USA oraz współpraca z zespołami biznesowymi, produktowymi, Data Science, BI, DevOps, bezpieczeństwa i analityki
- Przekładanie potrzeb biznesowych na rozwiązania techniczne oraz komunikowanie decyzji architektonicznych, planów migracji, map drogowych, ryzyk i kompromisów
Wymagania
- Ponad 15 lat doświadczenia w inżynierii danych GCP, architekturze danych, inżynierii chmurowej, inżynierii AI/ML lub kierownictwie technologicznym w pokrewnej dziedzinie
- Co najmniej 5 lat praktycznego doświadczenia w inżynierii danych GCP
- Co najmniej 3 lata praktycznego doświadczenia w AI/ML i GenAI
- Potwierdzone doświadczenie w realizacji projektów migracji z AWS do GCP
- Duże doświadczenie w projektowaniu korporacyjnych platform Data Lake i Lakehouse na GCP
- Praktyczna znajomość BigQuery, Google Cloud Storage, Dataflow, Pub/Sub, Cloud Composer, Dataproc, IAM i Terraform
- Doświadczenie w przenoszeniu obciążeń, potoków i platform danych AWS do GCP
- Bardzo dobra znajomość mapowania usług AWS na GCP, wzorców migracji, modernizacji i praktyk architektury chmurowej
- Doświadczenie w tworzeniu i wdrażaniu rozwiązań AI/ML na GCP z użyciem Vertex AI
- Praktyczne doświadczenie z generatywną AI, aplikacjami LLM, RAG, embeddingami, wyszukiwaniem wektorowym, prompt engineering i korporacyjnymi asystentami AI
- Bardzo dobra znajomość MLOps obejmująca trenowanie, rejestry modeli, CI/CD/CT, wdrażanie, monitorowanie, ponowne trenowanie, zarządzanie i wycofywanie zmian
- Doświadczenie w dostarczaniu bezpiecznych i odpowiedzialnych rozwiązań AI z uwzględnieniem prywatności, ewaluacji, kontroli dostępu, audytowalności i zarządzania
- Biegła znajomość SQL oraz dobra znajomość Python i PySpark
- Silne podstawy modelowania danych, hurtowni danych, przetwarzania wsadowego i inżynierii danych czasu rzeczywistego
- Doświadczenie z Terraform, Git, GitHub, Cloud Build, CI/CD i automatyzacją infrastruktury
- Doświadczenie w prowadzeniu i mentoringu zespołów inżynierii danych oraz międzyfunkcyjnych zespołów technicznych
- Bardzo dobre umiejętności komunikacyjne i doświadczenie we współpracy z interesariuszami z USA
- Certyfikat Google Cloud Professional Data Engineer będzie dodatkowym atutem
- Certyfikat Google Cloud Professional Machine Learning Engineer będzie dodatkowym atutem
- Doświadczenie z Vertex AI Agent Builder, Vertex AI Search, Gemini on Vertex AI lub korporacyjnymi platformami generatywnej AI będzie dodatkowym atutem
- Doświadczenie z dbt, Apache Airflow, Kafka, Apache Spark, Kubernetes, Cloud Run i architekturami opartymi na API będzie dodatkowym atutem
- Doświadczenie z Dataplex, Data Catalog, pochodzeniem danych, zarządzaniem metadanymi, zarządzaniem, master data management i platformami jakości danych będzie dodatkowym atutem
- Doświadczenie we wspieraniu środowisk korporacyjnych lub regulowanych z rygorystycznymi wymaganiami dotyczącymi prywatności, bezpieczeństwa, zgodności, audytu i zarządzania będzie dodatkowym atutem
- Kompetencje techniczne powinny obejmować Python, PyTorch, TensorFlow, Scikit-learn, NLP, deep learning, algorytmy ML, GenAI, LLM, GPT, Gemini, Claude, Llama, prompt engineering, dostrajanie, RAG, embeddingi, bazy wektorowe, wyszukiwanie semantyczne i hybrydowe, reranking, LangChain, LlamaIndex, LangGraph, Hugging Face, Transformers, agentów AI, przepływy agentowe, wywoływanie narzędzi lub funkcji, systemy wieloagentowe, MCP, MLflow, Kubeflow, rejestry modeli, wdrażanie, monitorowanie, CI/CD, Vertex AI, Vertex AI Studio, Vertex AI Pipelines, Model Garden, Vector Search, FastAPI, Flask, REST API, SQL, Docker, Kubernetes, GCP, AWS, Azure, BigQuery, Dataflow, Spark, Databricks, jeziora danych, zaawansowany Python, ekspercki SQL, PySpark, Apache Spark, ETL, ELT, CDC, przetwarzanie wsadowe i strumieniowe, architekturę sterowaną zdarzeniami, tworzenie i optymalizację potoków, korporacyjne Data Lake i Lakehouse, Medallion Architecture, hurtownie danych, modelowanie danych, modelowanie wymiarowe, modelowanie wielodzierżawne, schema-on-read i schema-on-write, dbt, Apache Airflow lub Cloud Composer, Dataproc, Dataflow lub Apache Beam, AWS Glue, Redshift, EMR, Lambda, Kinesis, Athena, CloudWatch, GCS, AWS S3, Pub/Sub, Dataplex, Data Catalog, Terraform, Git lub GitHub, Cloud Build, CI/CD, Infrastructure as Code, pochodzenie danych, zarządzanie metadanymi, jakość danych, monitorowanie i OpenLineage
Benefity
- Elastyczna praca zdalna
- Praca z klientami z całego świata
- Współpraca w środowisku ukierunkowanym na innowacje
- Dostęp do stałego rozwoju i możliwości zdobywania certyfikatów
- Prowadzenie dużych inicjatyw związanych z AI/ML i innowacjami GCP jako szef zespołu inżynierii