General Motors ni kampuni ya kimataifa ya magari na utengenezaji inayojihusisha na uhandisi wa magari, uzalishaji, usafirishaji na teknolojia ya habari. Ilianzishwa mwaka 1908, GM hutengeneza teknolojia zinazolenga kuendeleza usafirishaji huku ikifuatilia dira yake ya kutokuwepo kwa ajali, uzalishaji sifuri wa hewa chafu na msongamano sifuri. Shughuli zake za kimataifa huwaleta pamoja wataalamu wengi kutoka taaluma mbalimbali wanaolenga ubunifu, usafirishaji endelevu na mustakabali wa sekta ya magari.
Meneja Mkuu, Uhandisi wa Data za Mashindano ya Magari
Ongoza miundombinu ya data, uchanganuzi na majukwaa ya AI/ML ya Mashindano ya Magari ya General Motors. Geuza data za telemetry na mashindano kuwa zana kwa wahandisi na wapangaji mikakati katika programu kuu za mashindano.
Maelezo
- Ongoza mameneja na timu zinazoshughulikia miundombinu ya data na sayansi ya data ya Mashindano ya Magari.
- Unganisha uhandisi wa data, programu na sayansi ya data chini ya mpango na mfumo wa uendeshaji wa pamoja.
- Buni mabomba ya data na majukwaa, tengeneza mifano ya suluhisho za ML na AI zalishi, kagua msimbo na utatue matatizo muhimu wakati wa wikendi za mashindano.
- Weka mpango wa jukwaa la data za Mashindano ya Magari kuhusu upokeaji wa data, utiririshaji, usanifu wa lakehouse, utawala na uwezeshaji wa AI/ML.
- Unganisha mabomba ya data ya wakati halisi na ya makundi yanayochakata telemetry, muda na alama, pamoja na data za eneo la mashindano.
- Hamishia modeli za ML kwenye uzalishaji katika programu za mashindano kwa kutumia MLOps inayotumia MLflow.
- Panua matumizi ya zana za usimbaji za AI, majukwaa ya wasaidizi na mbinu bora za uundaji wa programu.
- Weka viwango vya uhandisi vya CI/CD, Terraform, majaribio ya kiotomatiki, ubora wa data, uangalizi na SLO.
- Linda data nyeti za mashindano kwa vidhibiti vya ufikiaji na ulinzi wa haki miliki.
- Simamia gharama na uwezo wa Azure na Databricks, pamoja na uhusiano na wauzaji na washirika.
- Wasilisha mkakati, maendeleo na mambo ya kuzingatia kwa viongozi wakuu wa Mashindano ya Magari na GM.
- Shirikiana na Competition Engineering, Vehicle Performance, Race Strategy na washirika wa kiufundi ili kutoa vipengele kwa wateja.
Mahitaji
- Shahada ya kwanza katika sayansi ya kompyuta, uhandisi, sayansi ya data au taaluma inayohusiana.
- Angalau miaka 10 ya uzoefu katika uhandisi wa data, uhandisi wa programu au sayansi ya data, ukiwa umewasilisha majukwaa ya data zinazosambazwa kwa uzalishaji.
- Angalau miaka 5 ya kuongoza timu za uhandisi au sayansi ya data, ikiwemo kusimamia mameneja, huku ukiendelea kushiriki moja kwa moja katika kazi za kiufundi.
- Ujuzi wa kina wa Azure Databricks, ikiwemo Spark, Delta Lake, Unity Catalog, Workflows na DLT.
- Utaalamu katika huduma za data za Azure kama ADLS, Event Hubs, AKS na Key Vault.
- Umeonyesha mafanikio ya kupeleka ML na AI kwenye uzalishaji, yakihusisha uhandisi wa vipengele, mzunguko wa modeli, MLOps na ufuatiliaji.
- Uzoefu wa utiririshaji wa wakati halisi na data za mfululizo wa muda zenye marudio ya juu.
- Ujuzi thabiti wa Python na SQL.
- Uzoefu wa CI/CD, Git na miundombinu kama msimbo.
- Uwezo wa kutimiza makataa magumu na kueleza mada changamano kwa wahandisi na viongozi wakuu.
- GM haitoi udhamini wa uhamiaji kwa nafasi hii; waombaji hawapaswi kuhitaji udhamini wa GM sasa au siku zijazo.
- Inapendelewa: Uzoefu wa uongozi katika uhandisi wa programu au data pamoja na sayansi ya data.
- Inapendelewa: Usuli katika mashindano ya magari, sekta ya magari au data za uhandisi wa utendaji wa juu.
- Inapendelewa: Ufahamu wa vipengele vya AI vya Databricks kama Mosaic AI, Vector Search, Feature Store, Model Serving na Genie.
- Inapendelewa: Uzoefu wa kujenga programu za AI zalishi au LLM, ikiwemo RAG, mawakala na tathmini.
- Inapendelewa: Uzoefu wa usanifu wa wingu uliobuniwa kwa ucheleweshaji mdogo au kipimo data chenye kikomo.
- Inapendelewa: Uzoefu wa kuzindua programu mpya au kukuza timu kwa haraka.
Manufaa
- Msaada wa kuhamia unaweza kupatikana kwa waombaji wanaotimiza vigezo vya sera ya kampuni.
- Programu na rasilimali zinasaidia ustawi wa wafanyakazi kazini na nyumbani.
- Marekebisho yanayofaa yanapatikana kwa waombaji wenye ulemavu.