Ford Motor Company
Ford Motor Company
Ford Motor Company امریکہ میں قائم ایک آٹو موبائل ساز کمپنی ہے، جس کی تاریخ 1903 تک جاتی ہے۔ گاڑیوں کی تیاری اور پیداوار کے علاوہ، کمپنی موبیلیٹی سروسز، ڈیجیٹل تجربات اور سافٹ ویئر کے شعبوں پر بھی اپنی توجہ بڑھا رہی ہے۔ Ford کے کام میں پائیداری سے متعلق کوششیں اور ماحولیاتی اہداف بھی شامل ہیں، جو نقل و حمل، جدت، معاشرتی اثرات اور ذمہ دار کاروباری طریقوں کو مربوط کرنے والے نقطۂ نظر کی عکاسی کرتے ہیں۔

فورڈ، بھارت میں ہائبرڈ کام کے لیے ڈیٹا سائنٹسٹ، این ایل پی اور جنریٹو اے آئی

فورڈ میں آٹوموٹیو استعمال کے لیے این ایل پی، ایل ایل ایم اور جنریٹو اے آئی مصنوعات تیار کریں۔ بڑے پیمانے پر ملٹی موڈل پائپ لائنز، ایجنٹک ورک فلو، اے پی آئیز اور صارفین کے لیے ایپلی کیشنز بنائیں۔

تفصیل

  • منظم کوڈنگ طریقوں کے ساتھ این ایل پی، ایل ایل ایم اور جنریٹو اے آئی ایپلی کیشنز اور مصنوعات تیار کریں۔
  • آٹوموٹیو ایپلی کیشنز کے لیے جدید ماڈلز اور طریقوں کا جائزہ لیں۔
  • میموری اور تاخیر کی پابندیوں کے تحت ماڈل ٹریننگ اور inference کے لیے مشین لرننگ تجربات چلائیں۔
  • Docker اور Kubernetes کے ذریعے این ایل پی REST APIs اور ہلکے صارف انٹرفیس تعینات کریں۔
  • Dash، Plotly اور Streamlit کے ذریعے این ایل پی، ایل ایل ایم اور جنریٹو اے آئی ایپلی کیشنز پیش کریں۔
  • متعدد بوٹس کو ملٹی موڈل، ایل ایل ایم سے چلنے والی ایپلی کیشنز میں یکجا کریں۔
  • Autogen، AgentBuilder اور LangGraph کے ذریعے ایجنٹک ورک فلو بنائیں۔
  • قابل توسیع استعمال کے لیے تیار ماڈیولر اے آئی اور مشین لرننگ مصنوعات تیار کریں۔
  • درجہ بندی، سوال و جواب، چیٹ بوٹس، ترجمہ، semantic search اور خلاصہ سازی کی مصنوعات پر عالمی تکنیکی ماہرین کے ساتھ تعاون کریں۔

تقاضے

  • کمپیوٹر سائنس، انجینئرنگ، ریاضی یا متعلقہ سائنسی شعبے میں بیچلر یا ماسٹرز ڈگری۔
  • این ایل پی ایپلی کیشنز کے لیے deep learning کے نظریے اور طریقوں کی سمجھ۔
  • ADK، A2A، AgentSkills، Ontology، Hugging Face، LangGraph، LangChain، Chainlit، TensorFlow یا PyTorch، scikit-learn، NumPy اور Pandas کے ساتھ پروگرامنگ کا تجربہ۔
  • spaCy، TorchText، fastai.text یا FARM Haystack جیسی کم از کم دو اوپن سورس این ایل پی لائبریریوں سے واقفیت۔
  • regular expressions، token اور word analysis، spelling correction، noise reduction، sentence segmentation اور clustering سمیت ٹیکسٹ پروسیسنگ تکنیکوں کا علم۔
  • BERT یا دیگر fine-tuned transformer ماڈلز کو sequence classification، named entity recognition یا question answering کے لیے تعینات کرنے کا عملی تجربہ۔
  • Docker اور pipenv، conda یا Poetry ماحول سے واقفیت۔
  • setup.py، logging، pytest، relative imports اور Sphinx documentation سمیت Python پروجیکٹ مینجمنٹ طریقوں کا علم۔
  • GitHub workflows سے واقفیت۔
  • BigQuery، Cloud Functions، Cloud Run، Cloud Build اور Vertex AI سمیت GCP سروسز کا تجربہ۔
  • benchmarking اور summary generation کے لیے اوپن سورس ٹولز کا عملی علم۔
  • کلاؤڈ اور on-premises ماحول میں GPU اور CPU وسائل استعمال کرنے کا تجربہ۔
  • data engineering، big data اور machine learning workloads کے لیے کلاؤڈ پلیٹ فارمز استعمال کرنے کی صلاحیت۔
  • Docker، docker-compose اور تجرباتی Docker صلاحیتوں کا تجربہ۔
  • Airflow اور Kubeflow سے واقفیت۔
  • CI/CD اور Terraform جیسے infrastructure-as-code ٹولز کا تجربہ۔
  • Helm اور Argo Workflows سمیت Kubernetes یا دیگر container platforms کا تجربہ۔
  • مطابقِ ضابطہ، اخلاقی، محفوظ اور ذمہ دار اے آئی APIs بنانے کی صلاحیت۔
  • Gradio، Dash، Streamlit، React یا Django کے ذریعے صارف انٹرفیس یا visualizations تیار کرنے کا تجربہ۔
  • Spark، Dask، RAPIDS AI یا cuDF کے ساتھ distributed computing کا تجربہ۔
  • FastAPI، Flask یا Django کے ذریعے Python APIs بنانے کی صلاحیت۔
  • Elasticsearch اور Apache Solr کا تجربہ اضافی فائدہ ہے؛ vector databases کا تجربہ بھی متعلقہ ہے۔
  • GPT-5، Gemini، Kimi یا Seedance جیسے LLMs کے ساتھ کام کرنے کا تجربہ۔
  • training، testing، deployment اور performance monitoring سمیت مکمل generative AI model lifecycle کا تجربہ۔
  • text، image اور audio کے لیے multimodal AI pipelines تیار اور برقرار رکھنے کا تجربہ۔
  • مختلف data sources پر بڑے پیمانے پر chatbots یا conversational agents تعینات کرنے کا عملی تجربہ۔
  • Stable Diffusion یا Instruct Pix2Pix جیسے latent diffusion models کے ذریعے image generation یا translation tools تیار کرنے کا تجربہ۔
  • بڑے پیمانے کے structured اور unstructured data کے ساتھ کام کرنے کی مہارت۔
  • بڑے پیمانے کے generative AI datasets اور outputs کو منظم کرنے کا تجربہ۔
  • مختلف جغرافیائی علاقوں میں مضبوط ابلاغ اور تعاون کی مہارت۔