Ryz Labs สร้างสตาร์ทอัพตั้งแต่เริ่มต้นและช่วยบริษัทที่กำลังเติบโตขยายการดำเนินงาน บริษัทดำเนินงานในด้านการให้คำปรึกษา โลจิสติกส์ และการตลาด พร้อมนำเสนอโซลูชันด้านบุคลากรเทคโนโลยีเพื่อสนับสนุนธุรกิจเกิดใหม่ในการพัฒนาผลิตภัณฑ์ เสริมความแข็งแกร่งให้ทีมงาน และแข่งขันในตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว
วิศวกรแมชชีนเลิร์นนิงระดับ Principal - Ryz Labs (ทำงานทางไกลในอาร์เจนตินา)
เป็นผู้นำด้านแมชชีนเลิร์นนิงในระบบ production และการพัฒนาแพลตฟอร์ม AI ที่รองรับการขยายตัวสำหรับลูกค้าต่างประเทศของ Ryz Labs รับผิดชอบสถาปัตยกรรมแบบกระจาย, MLOps และการควบคุมความปลอดภัยสำหรับระบบที่ขับเคลื่อนด้วย LLM
รายละเอียด
- นำโมเดล AI ไปใช้งานและดูแลในระบบ production ขนาดใหญ่
- ติดตามคุณภาพโมเดล อัตราการสร้างข้อมูลหลอน การเปลี่ยนแปลงของโมเดล ความหน่วง และค่าใช้จ่ายด้านโครงสร้างพื้นฐาน
- ออกแบบสถาปัตยกรรมไมโครเซอร์วิสแบบกระจายและขับเคลื่อนด้วยเหตุการณ์ด้วย Python, Go หรือ TypeScript
- สร้างโครงสร้างพื้นฐานในรูปแบบโค้ดและไปป์ไลน์ CI/CD เพื่อส่งมอบบริการที่เชื่อถือได้
- กำหนดสิทธิ์ของเอเจนต์ เวิร์กโฟลว์การตรวจสอบโดยมนุษย์ การแยกข้อมูล และการป้องกัน prompt injection
- ทำงานร่วมกับ Product Manager ตั้งแต่เริ่มต้นเพื่อเปลี่ยนความต้องการทางธุรกิจให้เป็นการออกแบบทางเทคนิคที่รองรับการขยายตัว
- อธิบายข้อแลกเปลี่ยนด้านสถาปัตยกรรมให้ผู้บริหารและผู้มีส่วนได้ส่วนเสียอาวุโสของลูกค้าเข้าใจ
- มีส่วนช่วยพัฒนาแพลตฟอร์ม AI ขั้นสูงสำหรับลูกค้าต่างประเทศ
- ทำหน้าที่เป็นผู้เชี่ยวชาญด้านเทคนิคอาวุโสในระบบ production, AI ประยุกต์ และแนวทางปฏิบัติด้านวิศวกรรม
คุณสมบัติ
- มีประสบการณ์ด้านวิศวกรรมซอฟต์แวร์ 12–15 ปีขึ้นไป โดยเติบโตจากสถาปัตยกรรมแบ็กเอนด์และระบบแบบกระจายจนมาถึง machine learning ในระบบ production
- มีความเชี่ยวชาญอย่างลึกซึ้งด้าน MLOps การประเมินโมเดล RAG ขั้นสูง การค้นหาเวกเตอร์โดยใช้ embedding, HNSW และการดึงข้อมูลแบบผสม รวมถึง fine-tuning
- เชี่ยวชาญระบบแบบกระจาย ไมโครเซอร์วิส และสถาปัตยกรรมแบบอะซิงโครนัสที่ขับเคลื่อนด้วยเหตุการณ์ โดยใช้ Python, Go หรือ TypeScript
- มีประสบการณ์ลงมือปฏิบัติจริงกับ Docker, AWS, Google Cloud หรือ Azure และการส่งมอบผ่าน CI/CD อัตโนมัติ
- เข้าใจเรื่องความปลอดภัยของ LLM การจำลองภัยคุกคาม การบังคับใช้ขอบเขตข้อมูล และความปลอดภัยของเอเจนต์ในสภาพแวดล้อมจริง
- สื่อสารภาษาอังกฤษได้อย่างคล่องแคล่ว
- สามารถอธิบายการตัดสินใจทางเทคนิคที่ซับซ้อนให้ผู้บริหารของลูกค้าและผู้มีส่วนได้ส่วนเสียที่ไม่ใช่สายเทคนิคเข้าใจได้อย่างชัดเจน
- มีประสบการณ์กับเครื่องมือประสานงานหลายเอเจนต์ เช่น LlamaIndex, Semantic Kernel, AutoGen, CrewAI หรือ MCP จะได้รับการพิจารณาเป็นพิเศษ
- มีพื้นฐานด้านการให้คำปรึกษา งานที่ปรึกษาด้านเทคนิค หรือแพลตฟอร์มเทคโนโลยีที่เติบโตอย่างรวดเร็วจะได้รับการพิจารณาเป็นพิเศษ