Ford Motor Company, geçmişi 1903 yılına uzanan, Amerika Birleşik Devletleri merkezli bir otomotiv üreticisidir. Şirket, araç geliştirip üretmenin yanı sıra mobilite hizmetleri, dijital deneyimler ve yazılım alanlarındaki çalışmalarını da genişletmektedir. Ford’un faaliyetleri, ulaşım, inovasyon, toplumsal etki ve sorumlu iş uygulamalarını bir araya getiren bir yaklaşımla sürdürülebilirlik çalışmalarını ve çevresel hedefleri de kapsamaktadır.
AI/ML-architektus – Ford Motor Company (hibrid, India)
Vállalati felhasználásra szánt autonóm ügynököket, többügynökös rendszereket és RAG-folyamatokat fejleszt. Éles generatív AI-megoldásokat telepít Google Cloudra MLOps, konténerek és vektoradatbázisok használatával.
Açıklama
- Autonóm és részben autonóm AI-ügynököket fejleszt és telepít vállalati folyamatokhoz.
- Többügynökös architektúrákat tervez összehangolással, feladatbontással, tervezési ciklusokkal és az ügynökök közötti kommunikációval.
- Az ügynököket vállalati platformokhoz, REST- és GraphQL-API-khoz, adatbázisokhoz és Google Cloud-szolgáltatásokhoz kapcsolja.
- Rövid és hosszú távú, epizodikus és szemantikus memóriaképességeket épít ki.
- Prompt-sablonokat és újrafelhasználható promptgyűjteményeket hoz létre, tesztel, finomít és tart karban.
- Felméreti, kiválasztja és finomhangolja az alapmodelleket, többek között a Vertex AI Model Gardenen keresztül elérhető Geminit.
- Nagy áteresztőképességű, alacsony késleltetésű RAG-folyamatokat épít és hangol, beleértve a dokumentumok betöltését, darabolását és a beágyazások létrehozását.
- Skálázható vektoradatbázisokat integrál és üzemeltet.
- Felhasználásra alkalmas állapotba hozza a strukturált és strukturálatlan adatokat.
- Biztonságos Google Cloud-környezeteket épít ki Terraform-alapú infrastruktúra-kóddal.
- Automatizált teszteléshez, konténerképek készítéséhez és a különböző környezetekbe történő telepítéshez CI/CD-folyamatokat épít és tart karban.
- Az alkalmazásokat és ügynököket Dockerrel csomagolja, majd GKE-re vagy Cloud Runra telepíti.
- Munkafolyamatok összehangolását állítja be például a Vertex AI Pipelines vagy a Cloud Composer/Airflow használatával.
- Mérőszámokat és tesztelési folyamatokat határoz meg az ügynökök minőségének, késleltetésének, tokenhasználatának és hallucinációs arányának értékelésére.
- Tartalomszűrést, moderálást, megalapozottság-ellenőrzést, promptinjekció elleni védelmet, adatvédelmi szabályozást és emberi felülvizsgálati pontokat épít be.
- Éles környezethez felügyeletet, naplózást, elosztott nyomkövetést és valós idejű riasztásokat állít be.
- A költségek és a teljesítmény javítása érdekében optimalizálja az ügynökök munkafolyamatait, a modellbeállításokat, a gyorsítótárazást és az infrastruktúrát.
- Git-ágakat, pull requesteket és kódellenőrzéseket kezel.
- Adattudósokkal, szoftvermérnökökkel és üzleti csapatokkal együttműködve éles használatra kész AI-megoldásokat szállít.
- Dokumentálja a rendszerarchitektúrát, az ügynökök folyamatait, az eszközöket, a promptokat, a konténereket és az üzemeltetési eljárásokat.
Gereksinimler
- Legalább három év szakmai tapasztalat gépi tanulás vagy AI-mérnöki munka területén, szilárd MLOps-alapokkal.
- Egy-két év gyakorlati tapasztalat éles LLM-, generatív AI- vagy ügynökalapú rendszerek tervezésében és telepítésében.
- Magas szintű Python-ismeret.
- Tapasztalat a PyTorch, a TensorFlow vagy a Scikit-learn használatában.
- A mélytanulás, a természetesnyelv-feldolgozás és a Transformer-architektúrák elméleti és gyakorlati ismerete.
- Gyakorlati tapasztalat a LangChain, a LangGraph, a LlamaIndex, a CrewAI vagy a Vertex AI Agent Builder használatában.
- Igazolt tapasztalat a Google Cloud Platform, a Docker, a Kubernetes/GKE, a Cloud Run és a Cloud Functions használatában.
- Igazolt tapasztalat vektorindexeléssel, szemantikus kereséssel, a Vertex AI Vector Search, az AlloyDB vagy hasonló eszközök használatával.
- SQL- és NoSQL-adatbázisok, REST-API-k és GraphQL-API-k ismerete.
- Tapasztalat Terraformmal, Gittel és CI/CD-eszközökkel, például a Cloud Builddel, a GitLab CI-vel vagy a Jenkinsszel.
- Tapasztalat a Prometheus, a Cloud Logging vagy a LangSmith használatában, valamint az LLM-kimenetek minőségének és biztonságának értékelésében.
- Kiemelten előnyös a Google Cloud Professional Machine Learning Engineer vagy Professional Cloud Architect tanúsítvány.
- Alapképzéses diploma vagy azzal egyenértékű végzettség.