Ford Motor Company är en USA-baserad fordonstillverkare med en historia som går tillbaka till 1903. Utöver att utveckla och producera fordon breddar företaget sitt fokus till mobilitetstjänster, digitala upplevelser och programvara. Fords arbete omfattar också hållbarhetsinsatser och miljömål, vilket speglar ett arbetssätt som knyter samman transporter, innovation, samhällspåverkan och ansvarsfullt företagande.
AI/ML-arkitekt hos Ford Motor Company (hybrid, Indien)
Utveckla autonoma agenter, multiagentsystem och RAG-pipelines för företag. Driftsätt generativ AI i produktion på Google Cloud med MLOps, containrar och vektordatabaser.
Beskrivning
- Utveckla och driftsätt autonoma och delvis autonoma AI-agenter för företagsprocesser.
- Utforma multiagentarkitekturer med orkestrering, uppdelning av uppgifter, planeringsloopar och kommunikation mellan agenter.
- Anslut agenter till företagssystem, REST- och GraphQL-API:er, databaser och Google Cloud-tjänster.
- Bygg funktioner för korttids-, långtids-, episodiskt och semantiskt minne.
- Skapa, testa, finslipa och underhålla promptmallar och återanvändbara promptbibliotek.
- Utvärdera, välja och finjustera grundmodeller, inklusive Gemini via Vertex AI Model Garden.
- Bygg och optimera RAG-pipelines med hög genomströmning och låg latens, inklusive dokumentinläsning, segmentering och generering av inbäddningar.
- Integrera och driva skalbara vektordatabaser.
- Rensa och förbereda strukturerade och ostrukturerade data för användning.
- Etablera säkra Google Cloud-miljöer med Terraform som infrastruktur som kod.
- Bygg och underhåll CI/CD-pipelines för automatiserade tester, containerbyggen och driftsättning i olika miljöer.
- Paketera applikationer och agenter med Docker och driftsätt dem sedan på GKE eller Cloud Run.
- Konfigurera arbetsflödesorkestrering med verktyg som Vertex AI Pipelines eller Cloud Composer/Airflow.
- Definiera mätvärden och testpipelines för att bedöma agentkvalitet, latens, tokenanvändning och hallucinationsfrekvens.
- Lägg till innehållsfiltrering, moderering, grundningskontroller, skydd mot promptinjektion, integritetskontroller och steg för mänsklig granskning.
- Konfigurera produktionsövervakning, loggar, distribuerad spårning och realtidsaviseringar.
- Förbättra agentarbetsflöden, modellinställningar, cachelagring och infrastruktur med avseende på kostnad och prestanda.
- Hantera Git-grenar, pull-förfrågningar och kodgranskningar.
- Samarbeta med dataforskare, mjukvaruutvecklare och affärsteam för att leverera AI-lösningar klara för produktion.
- Dokumentera systemarkitektur, agentflöden, verktyg, prompter, containrar och driftsrutiner.
Krav
- Minst tre års yrkeserfarenhet av maskininlärning eller AI-teknik samt en stabil grund inom MLOps.
- Ett till två års praktisk erfarenhet av att utforma och driftsätta LLM-, generativ AI- eller agentbaserade system i produktion.
- Mycket goda kunskaper i Python.
- Erfarenhet av PyTorch, TensorFlow eller Scikit-learn.
- Goda teoretiska och praktiska kunskaper om djupinlärning, naturlig språkbehandling och Transformer-arkitekturer.
- Praktisk erfarenhet av LangChain, LangGraph, LlamaIndex, CrewAI eller Vertex AI Agent Builder.
- Dokumenterad erfarenhet av Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run och Cloud Functions.
- Dokumenterad erfarenhet av vektorindexering, semantisk sökning, Vertex AI Vector Search, AlloyDB eller jämförbara verktyg.
- Kunskaper om SQL- och NoSQL-databaser, REST-API:er och GraphQL-API:er.
- Erfarenhet av Terraform, Git och CI/CD-verktyg som Cloud Build, GitLab CI eller Jenkins.
- Erfarenhet av Prometheus, Cloud Logging eller LangSmith samt av att utvärdera kvaliteten och säkerheten hos LLM-utdata.
- Certifieringarna Google Cloud Professional Machine Learning Engineer eller Professional Cloud Architect är mycket meriterande.
- Kandidatexamen eller motsvarande.