Ford Motor Company เป็นผู้ผลิตยานยนต์จากสหรัฐอเมริกา โดยมีประวัติความเป็นมาย้อนไปถึงปี 1903 นอกเหนือจากการพัฒนาและผลิตยานพาหนะแล้ว บริษัทกำลังขยายความสำคัญไปยังบริการด้านการเดินทาง ประสบการณ์ดิจิทัล และซอฟต์แวร์ งานของ Ford ยังครอบคลุมความพยายามด้านความยั่งยืนและเป้าหมายด้านสิ่งแวดล้อม สะท้อนแนวทางที่เชื่อมโยงการเดินทาง นวัตกรรม ผลกระทบต่อชุมชน และการดำเนินธุรกิจอย่างมีความรับผิดชอบ
สถาปนิก AI/ML ที่ Ford Motor Company (ทำงานแบบไฮบริด, อินเดีย)
สร้างเอเจนต์อัตโนมัติ ระบบหลายเอเจนต์ และไปป์ไลน์ RAG สำหรับใช้งานในองค์กร นำ AI เชิงสร้างสรรค์ขึ้นใช้งานจริงบน Google Cloud ด้วย MLOps คอนเทนเนอร์ และฐานข้อมูลเวกเตอร์
รายละเอียด
- พัฒนาและนำเอเจนต์ AI แบบอัตโนมัติและกึ่งอัตโนมัติมาใช้กับกระบวนการขององค์กร
- ออกแบบสถาปัตยกรรมหลายเอเจนต์ที่มีการประสานงาน การแบ่งงานย่อย วงจรวางแผน และการสื่อสารระหว่างเอเจนต์
- เชื่อมต่อเอเจนต์กับแพลตฟอร์มองค์กร API แบบ REST และ GraphQL ฐานข้อมูล และบริการ Google Cloud
- สร้างความสามารถด้านความจำระยะสั้น ระยะยาว ความจำเชิงเหตุการณ์ และความจำเชิงความหมาย
- สร้าง ทดสอบ ปรับปรุง และดูแลเทมเพลตพรอมต์กับคลังพรอมต์ที่นำกลับมาใช้ได้
- ประเมิน เลือก และปรับแต่งโมเดลพื้นฐาน รวมถึง Gemini ผ่าน Vertex AI Model Garden
- สร้างและปรับแต่งไปป์ไลน์ RAG ที่มีปริมาณงานสูงและเวลาแฝงต่ำ รวมถึงการนำเข้าข้อมูลเอกสาร การแบ่งข้อความเป็นช่วง และการสร้าง embedding
- ผสานรวมและดูแลการทำงานของฐานข้อมูลเวกเตอร์ที่ปรับขนาดได้
- ทำความสะอาดและเตรียมข้อมูลทั้งแบบมีโครงสร้างและไม่มีโครงสร้างเพื่อนำไปใช้งาน
- จัดเตรียมสภาพแวดล้อม Google Cloud ที่ปลอดภัยด้วยโครงสร้างพื้นฐานในรูปแบบโค้ดผ่าน Terraform
- สร้างและดูแลไปป์ไลน์ CI/CD สำหรับการทดสอบอัตโนมัติ การสร้างคอนเทนเนอร์ และการปรับใช้ในหลายสภาพแวดล้อม
- บรรจุแอปพลิเคชันและเอเจนต์ด้วย Docker แล้วปรับใช้บน GKE หรือ Cloud Run
- ตั้งค่าการประสานงานเวิร์กโฟลว์ด้วยเครื่องมือ เช่น Vertex AI Pipelines หรือ Cloud Composer/Airflow
- กำหนดตัวชี้วัดและไปป์ไลน์การทดสอบเพื่อประเมินคุณภาพเอเจนต์ เวลาแฝง การใช้โทเคน และอัตราการหลอนข้อมูล
- เพิ่มการกรองเนื้อหา การกลั่นกรอง การตรวจสอบแหล่งอ้างอิง การป้องกัน prompt injection การควบคุมความเป็นส่วนตัว และขั้นตอนให้มนุษย์ตรวจทาน
- ตั้งค่าการมอนิเตอร์ระบบ production บันทึกเหตุการณ์ การติดตามแบบกระจาย และการแจ้งเตือนแบบเรียลไทม์
- ปรับปรุงเวิร์กโฟลว์ของเอเจนต์ การตั้งค่าโมเดล แคช และโครงสร้างพื้นฐานเพื่อควบคุมต้นทุนและเพิ่มประสิทธิภาพ
- จัดการสาขา Git คำขอ pull และการตรวจทานโค้ด
- ทำงานร่วมกับนักวิทยาศาสตร์ข้อมูล วิศวกรซอฟต์แวร์ และทีมธุรกิจเพื่อส่งมอบโซลูชัน AI ที่พร้อมใช้งานจริง
- จัดทำเอกสารสถาปัตยกรรมระบบ โฟลว์ของเอเจนต์ เครื่องมือ พรอมต์ คอนเทนเนอร์ และขั้นตอนการปฏิบัติงาน
คุณสมบัติ
- มีประสบการณ์ทำงานอย่างน้อยสามปีด้านวิศวกรรมแมชชีนเลิร์นนิงหรือ AI พร้อมพื้นฐาน MLOps ที่แข็งแกร่ง
- มีประสบการณ์จริงหนึ่งถึงสองปีในการออกแบบและนำ LLM, AI เชิงสร้างสรรค์ หรือระบบเอเจนต์ขึ้นใช้งานจริง
- เชี่ยวชาญ Python ในระดับสูง
- มีประสบการณ์กับ PyTorch, TensorFlow หรือ Scikit-learn
- มีความรู้ทั้งภาคทฤษฎีและภาคปฏิบัติที่แข็งแกร่งด้านการเรียนรู้เชิงลึก การประมวลผลภาษาธรรมชาติ และสถาปัตยกรรม Transformer
- มีประสบการณ์จริงกับ LangChain, LangGraph, LlamaIndex, CrewAI หรือ Vertex AI Agent Builder
- มีประสบการณ์จริงกับ Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run และ Cloud Functions
- มีประสบการณ์จริงด้านการทำดัชนีเวกเตอร์ การค้นหาเชิงความหมาย Vertex AI Vector Search, AlloyDB หรือเครื่องมือเทียบเท่า
- มีความรู้เกี่ยวกับฐานข้อมูล SQL และ NoSQL รวมถึง API แบบ REST และ GraphQL
- มีประสบการณ์กับ Terraform, Git และเครื่องมือ CI/CD เช่น Cloud Build, GitLab CI หรือ Jenkins
- มีประสบการณ์กับ Prometheus, Cloud Logging หรือ LangSmith และการประเมินคุณภาพกับความปลอดภัยของผลลัพธ์ LLM
- หากมีใบรับรอง Google Cloud Professional Machine Learning Engineer หรือ Professional Cloud Architect จะได้รับการพิจารณาเป็นพิเศษอย่างยิ่ง
- วุฒิปริญญาตรีหรือเทียบเท่า