Onclusive hutoa programu za ufuatiliaji wa vyombo vya habari na upimaji wa mahusiano ya umma kwa timu za mawasiliano, chapa na mashirika. Jukwaa lake la Analyst hukusanya taarifa za habari kutoka vyombo vya kidijitali, vilivyochapishwa, vya utangazaji na mitandao ya kijamii kupitia kitambazaji cha habari cha kimataifa, na kuwasaidia watumiaji kufuatilia media iliyopatikana na inayomilikiwa, kupima athari za mawasiliano na kubaini maarifa ya kampeni. Kampuni hiyo pia hutoa usikilizaji wa mitandao ya kijamii, uchanganuzi, usimamizi wa mawasiliano ya waandishi wa habari, hifadhidata ya media, Data-as-a-Service na ushauri ili kusaidia utoaji wa ripoti, usimamizi wa chumba cha waandishi wa habari na mahusiano na media. Onclusive huhudumia wateja wa mashirika na mawakala kimataifa na hufanya kazi katika nyanja za ushauri, uuzaji na SaaS.
Mkurugenzi wa Kujifunza kwa Mashine katika Onclusive (Mseto, India)
Ongoza NLP ya uzalishaji, maono ya kompyuta na AI ya uzalishaji kwa jukwaa la uchanganuzi wa vyombo vya habari la Onclusive. Weka mkakati wa ML, imarisha MLOps na jenga timu za AI zenye utendaji wa juu.
Maelezo
- Miliki mkakati wa muda mrefu wa AI/ML wa Onclusive kulingana na mipango ya bidhaa na vipaumbele vya biashara
- Tambua fursa muhimu za AI/ML na ushirikiane na timu za bidhaa na uhandisi kuzifikisha sokoni
- Kuwa mamlaka mkuu wa AI/ML, ukihamasisha mbinu za sasa na kanuni bora za uhandisi
- Geuza changamoto za biashara kuwa bidhaa za AI zenye vipimo vilivyo wazi vya mafanikio
- Ongoza mzunguko mzima wa maisha wa ML, kuanzia utafiti na usanifu hadi majaribio, uthibitishaji, uwekaji na uboreshaji
- Jenga na komaza uwezo wa MLOps unaosaidia urudiwaji, utegemezi, uonekano, udhibiti wa gharama na uwasilishaji wa modeli unaotegemeka
- Weka viwango vya usanifu kwa ML ya uzalishaji, mabomba ya data, mifumo ya embedding, modeli zinazojihudumia na AI ya mawakala
- Hamasisha mbinu bora za uandishi wa msimbo, ukaguzi wa wenzao, udhibiti wa matoleo, CI/CD, majaribio na nyaraka
- Ongoza utekelezaji wa Agile kupitia upangaji wa sprint, OKR za kila robo mwaka, ukaguzi wa kiufundi na tathmini za baada ya kazi
- Simamia mabomba ya data ya AI, ikiwemo mzigo wa kazi wa batch, mifumo inayoendeshwa na matukio na taratibu za maoni
- Tathmini miundo ya mifumo na elekeza maamuzi muhimu ya usanifu
- Wafundishe na waendeleze wahandisi wa ML, wanasayansi wa data na wahandisi wa majukwaa
- Kuza shirika la AI/ML lenye utendaji wa juu huku ukidumisha utamaduni imara wa uhandisi
- Weka matarajio yaliyo wazi, toa mrejesho unaojenga na usaidie maendeleo ya mtu binafsi ya kazi
- Ongoza mchakato wa kina na wenye ufanisi wa mahojiano na uajiri
- Shirikiana na usimamizi wa bidhaa kuhusu mkakati, upangaji wa vipaumbele, ramani za barabara na utoaji wa AI/ML
- Shirikiana na timu za jukwaa la data, usalama na uzingatiaji ili kutimiza wajibu wa GDPR, EU AI Act na SOC2
- Weka uongozi na shirika pana likiwa na taarifa
- Wakilisha kazi ya AI/ML katika majadiliano ya kampuni kuhusu mkakati, utawala na uvumbuzi
Mahitaji
- Masomo ya juu katika Sayansi ya Kompyuta, Hisabati Tumizi, Takwimu au taaluma ya kiufundi inayohusiana, au utaalamu sawa wa sekta
- MPhil au PhD inapendelewa sana
- Angalau miaka 10 ya uzoefu wa kitaalamu katika uhandisi wa ML na AI
- Uzoefu wa angalau miaka miwili katika nafasi ya uongozi
- Utaalamu katika NLP, maono ya kompyuta, utafutaji wa kisemantiki, AI ya uzalishaji na mifumo mikubwa ya ML ya uzalishaji
- Uzoefu wa vitendo wa kubuni na kuendesha mabomba ya MLOps, mtiririko wa kazi wa data na miundombinu ya kuhudumia modeli za uzalishaji
- Mafanikio yaliyothibitishwa ya kupeleka suluhisho za ML kutoka dhana ya awali hadi uzalishaji na uboreshaji endelevu wenye matokeo ya biashara yanayopimika
- Uzoefu mkubwa wa kusimamia na kupanua timu za ML zinazovuka taaluma katika shirika linaloongozwa na bidhaa
- Uwezo wa kujenga uelewano kati ya timu na kuwasiliana kwa uwazi na hadhira za kiufundi na zisizo za kiufundi
- Ustadi wa hali ya juu katika Python
- Ujuzi wa kufanya kazi wa Transformers, PyTorch, TensorFlow, HuggingFace na PEFT
- Uzoefu thabiti wa cloud na AWS, GCP au Azure, pamoja na majukwaa ya inference yanayotumia Kubernetes
- Uzoefu wa kutumia dbt, Airflow, Kafka, Spark na teknolojia za kisasa za majukwaa ya data
- Mwelekeo thabiti wa bidhaa unaozingatia mahitaji ya watumiaji, matumizi na matokeo yanayopimika
- Uzoefu wa kumiliki bidhaa na ramani za barabara, ikiwezekana ukiwa na majukumu ya Product Owner
Manufaa
- Kifurushi cha malipo na manufaa chenye ushindani
- Mpangilio wa kazi mseto
- Chaguo rahisi za kufanya kazi
- Rasilimali za afya ya akili
- Programu za ustawi na usawa wa kazi na maisha
- Fursa za kupanua ujuzi na kuendelea kitaaluma