Ford Motor Company
Ford Motor Company
Ford Motor Company — американський виробник автомобілів, історія якого бере початок у 1903 році. Окрім розроблення та виробництва автомобілів, компанія розширює діяльність у сфері мобільних сервісів, цифрових рішень і програмного забезпечення. Ford також реалізує ініціативи зі сталого розвитку та визначає екологічні цілі, поєднуючи транспорт, інновації, вплив на громади й відповідальне ведення бізнесу.

Архітектор ШІ/МО у Ford Motor Company (гібридний формат, Індія)

Створюйте автономних агентів, мультиагентні системи та конвеєри генерації з доповненою вибіркою для корпоративного використання. Розгортайте генеративний ШІ у Google Cloud із застосуванням MLOps, контейнерів і векторних баз даних.

Опис

  • Розробляйте та впроваджуйте автономних і напівавтономних ШІ-агентів для корпоративних процесів.
  • Проєктуйте мультиагентні архітектури з оркестрацією, декомпозицією завдань, циклами планування та взаємодією між агентами.
  • Підключайте агентів до корпоративних платформ, REST- і GraphQL API, баз даних та сервісів Google Cloud.
  • Створюйте можливості короткострокової, довгострокової, епізодичної та семантичної пам’яті.
  • Створюйте, тестуйте, вдосконалюйте й підтримуйте шаблони промптів і бібліотеки повторно використовуваних промптів.
  • Оцінюйте, вибирайте та донавчайте базові моделі, зокрема Gemini через Vertex AI Model Garden.
  • Створюйте й налаштовуйте високопродуктивні RAG-конвеєри з низькою затримкою, включно із завантаженням документів, поділом на фрагменти та генеруванням ембедингів.
  • Інтегруйте й експлуатуйте масштабовані векторні бази даних.
  • Очищайте та готуйте до використання структуровані й неструктуровані дані.
  • Розгортайте захищені середовища Google Cloud за допомогою Terraform та підходу «інфраструктура як код».
  • Створюйте й підтримуйте CI/CD-конвеєри для автоматизованого тестування, збирання контейнерів і розгортання в різних середовищах.
  • Пакуйте застосунки й агентів у Docker, а потім розгортайте їх у GKE або Cloud Run.
  • Налаштовуйте оркестрацію робочих процесів за допомогою таких інструментів, як Vertex AI Pipelines або Cloud Composer/Airflow.
  • Визначайте метрики й конвеєри тестування для оцінювання якості агентів, затримки, використання токенів і частоти галюцинацій.
  • Додавайте фільтрацію контенту, модерацію, перевірки обґрунтованості відповідей, захист від ін’єкцій промптів, засоби контролю приватності та етапи перевірки людиною.
  • Налаштовуйте моніторинг продуктивного середовища, журнали, розподілене трасування та сповіщення в реальному часі.
  • Удосконалюйте робочі процеси агентів, параметри моделей, кешування й інфраструктуру для підвищення економічності та продуктивності.
  • Керуйте гілками Git, запитами на злиття та перевірками коду.
  • Співпрацюйте з фахівцями з даних, інженерами-програмістами та бізнес-командами, щоб створювати готові до експлуатації ШІ-рішення.
  • Документуйте архітектуру систем, потоки роботи агентів, інструменти, промпти, контейнери та операційні процедури.

Вимоги

  • Щонайменше три роки професійного досвіду в машинному навчанні або інженерії ШІ та ґрунтовна база з MLOps.
  • Від одного до двох років практичного досвіду проєктування й розгортання продуктивних систем на основі LLM, генеративного ШІ або агентних систем.
  • Експертне володіння Python.
  • Досвід роботи з PyTorch, TensorFlow або Scikit-learn.
  • Ґрунтовні теоретичні та практичні знання глибокого навчання, обробки природної мови й архітектур Transformer.
  • Практичний досвід роботи з LangChain, LangGraph, LlamaIndex, CrewAI або Vertex AI Agent Builder.
  • Підтверджений досвід роботи з Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run і Cloud Functions.
  • Підтверджений досвід роботи з векторним індексуванням, семантичним пошуком, Vertex AI Vector Search, AlloyDB або подібними інструментами.
  • Знання баз даних SQL і NoSQL, REST API та GraphQL API.
  • Досвід роботи з Terraform, Git і CI/CD-інструментами, такими як Cloud Build, GitLab CI або Jenkins.
  • Досвід роботи з Prometheus, Cloud Logging або LangSmith, а також оцінювання якості й безпеки результатів LLM.
  • Сертифікація Google Cloud Professional Machine Learning Engineer або Professional Cloud Architect буде вагомою перевагою.
  • Ступінь бакалавра або еквівалент.