Ford Motor Company — американский производитель автомобилей, история которого начинается в 1903 году. Помимо разработки и производства автомобилей, компания расширяет деятельность в сфере мобильных сервисов, цифровых решений и программного обеспечения. Ford также реализует инициативы в области устойчивого развития и устанавливает экологические цели, объединяя транспорт, инновации, влияние на сообщества и ответственное ведение бизнеса.
Архитектор ИИ/МО в Ford Motor Company (гибридный формат, Индия)
Создавайте автономных агентов, мультиагентные системы и конвейеры генерации с дополненной выборкой для корпоративного применения. Развёртывайте генеративный ИИ в Google Cloud с использованием MLOps, контейнеров и векторных баз данных.
Описание
- Разрабатывайте и внедряйте автономных и полуавтономных ИИ-агентов для корпоративных процессов.
- Проектируйте мультиагентные архитектуры с оркестрацией, декомпозицией задач, циклами планирования и взаимодействием агентов.
- Подключайте агентов к корпоративным платформам, REST- и GraphQL API, базам данных и сервисам Google Cloud.
- Создавайте механизмы краткосрочной, долгосрочной, эпизодической и семантической памяти.
- Создавайте, тестируйте, дорабатывайте и поддерживайте шаблоны промптов и библиотеки повторно используемых промптов.
- Оценивайте, выбирайте и дообучайте базовые модели, включая Gemini через Vertex AI Model Garden.
- Создавайте и оптимизируйте высокопроизводительные RAG-конвейеры с низкой задержкой, включая загрузку документов, разбиение на фрагменты и генерацию эмбеддингов.
- Интегрируйте и эксплуатируйте масштабируемые векторные базы данных.
- Очищайте и подготавливайте структурированные и неструктурированные данные к использованию.
- Настраивайте защищённые среды Google Cloud с помощью Terraform и подхода «инфраструктура как код».
- Создавайте и поддерживайте CI/CD-конвейеры для автоматизированного тестирования, сборки контейнеров и развёртывания в разных средах.
- Упаковывайте приложения и агентов в Docker, а затем развёртывайте их в GKE или Cloud Run.
- Настраивайте оркестрацию процессов с помощью таких инструментов, как Vertex AI Pipelines или Cloud Composer/Airflow.
- Определяйте метрики и конвейеры тестирования для оценки качества работы агентов, задержки, расхода токенов и частоты галлюцинаций.
- Добавляйте фильтрацию контента, модерацию, проверки обоснованности ответов, защиту от внедрения промптов, средства контроля конфиденциальности и этапы проверки человеком.
- Настраивайте мониторинг продуктивной среды, журналы, распределённую трассировку и оповещения в реальном времени.
- Совершенствуйте рабочие процессы агентов, параметры моделей, кэширование и инфраструктуру для повышения экономичности и производительности.
- Управляйте ветками Git, запросами на слияние и проверкой кода.
- Взаимодействуйте с учёными по данным, инженерами-программистами и бизнес-командами, чтобы создавать готовые к эксплуатации ИИ-решения.
- Документируйте архитектуру систем, потоки работы агентов, инструменты, промпты, контейнеры и эксплуатационные процедуры.
Требования
- Не менее трёх лет профессионального опыта в машинном обучении или инженерии ИИ и прочная основа в MLOps.
- От одного до двух лет практического опыта проектирования и внедрения продуктивных систем на базе LLM, генеративного ИИ или агентных систем.
- Экспертное владение Python.
- Опыт работы с PyTorch, TensorFlow или Scikit-learn.
- Глубокие теоретические и практические знания глубокого обучения, обработки естественного языка и архитектур Transformer.
- Практический опыт работы с LangChain, LangGraph, LlamaIndex, CrewAI или Vertex AI Agent Builder.
- Подтверждённый опыт работы с Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run и Cloud Functions.
- Подтверждённый опыт работы с векторной индексацией, семантическим поиском, Vertex AI Vector Search, AlloyDB или аналогичными инструментами.
- Знание баз данных SQL и NoSQL, REST API и GraphQL API.
- Опыт работы с Terraform, Git и инструментами CI/CD, такими как Cloud Build, GitLab CI или Jenkins.
- Опыт работы с Prometheus, Cloud Logging или LangSmith, а также оценки качества и безопасности результатов LLM.
- Сертификат Google Cloud Professional Machine Learning Engineer или Professional Cloud Architect будет большим преимуществом.
- Степень бакалавра или эквивалентная квалификация.