Ford Motor Company je automobilový výrobca so sídlom v Spojených štátoch, ktorého história siaha do roku 1903. Okrem vývoja a výroby vozidiel spoločnosť rozširuje svoje zameranie aj na služby mobility, digitálne zážitky a softvér. Ford sa venuje aj úsiliu v oblasti udržateľnosti a environmentálnym cieľom, čím prepája dopravu, inovácie, vplyv na komunity a zodpovedné podnikateľské postupy.
Architekt/ka AI/ML v spoločnosti Ford Motor Company (hybridne, India)
Navrhujte autonómnych agentov, multiagentové systémy a RAG pipeline na podnikové využitie. Nasadzujte generatívnu AI v produkčnom prostredí Google Cloud s využitím MLOps, kontajnerov a vektorových databáz.
Popis
- Vyvíjať a nasadzovať autonómnych a poloautonómnych AI agentov pre podnikové procesy.
- Navrhovať multiagentové architektúry s orchestráciou, rozkladom úloh, plánovacími cyklami a komunikáciou medzi agentmi.
- Prepájať agentov s podnikovými platformami, REST a GraphQL API, databázami a službami Google Cloud.
- Vytvárať možnosti krátkodobej, dlhodobej, epizodickej a sémantickej pamäte.
- Vytvárať, testovať, dolaďovať a udržiavať šablóny promptov a opakovane použiteľné knižnice promptov.
- Posudzovať, vyberať a dolaďovať základné modely vrátane Gemini prostredníctvom Vertex AI Model Garden.
- Vytvárať a optimalizovať vysokokapacitné RAG pipeline s nízkou latenciou vrátane načítavania dokumentov, ich delenia na časti a generovania embeddingov.
- Integrovať a prevádzkovať škálovateľné vektorové databázy.
- Čistiť a pripravovať štruktúrované aj neštruktúrované údaje na použitie.
- Zriaďovať zabezpečené prostredia Google Cloud pomocou infraštruktúry ako kódu v Terraform.
- Vytvárať a udržiavať CI/CD pipeline na automatizované testy, zostavovanie kontajnerov a nasadzovanie v rôznych prostrediach.
- Baliť aplikácie a agentov pomocou Docker a nasadzovať ich na GKE alebo Cloud Run.
- Nastavovať orchestráciu pracovných postupov pomocou nástrojov, ako sú Vertex AI Pipelines alebo Cloud Composer/Airflow.
- Definovať metriky a testovacie pipeline na hodnotenie kvality agentov, latencie, spotreby tokenov a miery halucinácií.
- Pridávať filtrovanie obsahu, moderovanie, kontroly ukotvenia vo faktoch, ochranu pred injekciou promptov, opatrenia na ochranu súkromia a kontrolné body s ľudským dohľadom.
- Nastavovať monitorovanie produkčného prostredia, logy, distribuované trasovanie a upozornenia v reálnom čase.
- Zlepšovať pracovné postupy agentov, nastavenia modelov, ukladanie do vyrovnávacej pamäte a infraštruktúru s cieľom znížiť náklady a zvýšiť výkon.
- Spravovať vetvy Git, žiadosti o zlúčenie a revízie kódu.
- Spolupracovať s dátovými vedcami, softvérovými inžiniermi a obchodnými tímami na dodávaní AI riešení pripravených na produkčné nasadenie.
- Dokumentovať architektúru systému, postupy agentov, nástroje, prompty, kontajnery a prevádzkové postupy.
Požiadavky
- Aspoň tri roky odbornej praxe v oblasti strojového učenia alebo AI inžinierstva a pevné základy MLOps.
- Jeden až dva roky praktických skúseností s návrhom a nasadzovaním produkčných systémov LLM, generatívnej AI alebo agentových systémov.
- Expertná znalosť jazyka Python.
- Skúsenosti s PyTorch, TensorFlow alebo Scikit-learn.
- Pokročilé teoretické a praktické znalosti hlbokého učenia, spracovania prirodzeného jazyka a architektúr Transformer.
- Praktické skúsenosti s LangChain, LangGraph, LlamaIndex, CrewAI alebo Vertex AI Agent Builder.
- Preukázateľné skúsenosti s Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run a Cloud Functions.
- Preukázateľné skúsenosti s vektorovým indexovaním, sémantickým vyhľadávaním, Vertex AI Vector Search, AlloyDB alebo porovnateľnými nástrojmi.
- Znalosť SQL a NoSQL databáz, REST API a GraphQL API.
- Skúsenosti s Terraform, Git a nástrojmi CI/CD, ako sú Cloud Build, GitLab CI alebo Jenkins.
- Skúsenosti s Prometheus, Cloud Logging alebo LangSmith a s hodnotením kvality a bezpečnosti výstupov LLM.
- Certifikácia Google Cloud Professional Machine Learning Engineer alebo Professional Cloud Architect je veľkou výhodou.
- Bakalársky titul alebo rovnocenné vzdelanie.