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 موٹر کمپنی میں اے آئی/ایم ایل آرکیٹیکٹ (ہائبرڈ، بھارت)
انٹرپرائز استعمال کے لیے خودمختار ایجنٹس، ملٹی ایجنٹ سسٹمز اور ریٹریول اَگمینٹڈ جنریشن پائپ لائنز بنائیں۔ MLOps، کنٹینرز اور ویکٹر ڈیٹابیس کے ذریعے Google Cloud پر پروڈکشن جنریٹو AI ڈیپلائے کریں۔
تفصیل
- انٹرپرائز عمل کے لیے خودمختار اور نیم خودمختار AI ایجنٹس تیار اور ڈیپلائے کریں۔
- آرکیسٹریشن، کام کی تقسیم، منصوبہ بندی کے لوپس اور ایجنٹس کے باہمی رابطے کے ساتھ ملٹی ایجنٹ آرکیٹیکچر ڈیزائن کریں۔
- ایجنٹس کو انٹرپرائز پلیٹ فارمز، REST اور GraphQL APIs، ڈیٹابیسز اور Google Cloud سروسز سے منسلک کریں۔
- قلیل مدتی، طویل مدتی، ایپسوڈک اور سیمینٹک میموری کی صلاحیتیں بنائیں۔
- پرامپٹ ٹیمپلیٹس اور دوبارہ استعمال کے قابل پرامپٹ لائبریریاں بنائیں، آزمائیں، بہتر کریں اور برقرار رکھیں۔
- بنیادی ماڈلز کا جائزہ لیں، انتخاب کریں اور فائن ٹیون کریں، بشمول Vertex AI Model Garden کے ذریعے Gemini۔
- دستاویزات کے اندراج، ٹکڑوں میں تقسیم اور ایمبیڈنگ کی تیاری سمیت اعلیٰ تھروپٹ اور کم تاخیر والی RAG پائپ لائنز بنائیں اور بہتر کریں۔
- قابلِ توسیع ویکٹر ڈیٹابیسز کو مربوط اور چلاتے رہیں۔
- استعمال کے لیے ساختہ اور غیر ساختہ ڈیٹا صاف اور تیار کریں۔
- Terraform کے انفراسٹرکچر ایز کوڈ کے ذریعے محفوظ Google Cloud ماحول فراہم کریں۔
- مختلف ماحول میں خودکار ٹیسٹس، کنٹینر بلڈز اور ڈیپلائمنٹ کے لیے CI/CD پائپ لائنز بنائیں اور برقرار رکھیں۔
- Docker کے ذریعے ایپلی کیشنز اور ایجنٹس پیکیج کریں، پھر انہیں GKE یا Cloud Run پر ڈیپلائے کریں۔
- Vertex AI Pipelines یا Cloud Composer/Airflow جیسے ٹولز کے ذریعے ورک فلو آرکیسٹریشن قائم کریں۔
- ایجنٹ کے معیار، تاخیر، ٹوکن کے استعمال اور ہیلوسینیشن کی شرح جانچنے کے لیے میٹرکس اور ٹیسٹنگ پائپ لائنز متعین کریں۔
- مواد کی فلٹرنگ، ماڈریشن، گراؤنڈنگ کی جانچ، پرامپٹ انجیکشن سے تحفظ، رازداری کے کنٹرول اور انسانی جائزے کے مراحل شامل کریں۔
- پروڈکشن مانیٹرنگ، لاگز، ڈسٹری بیوٹڈ ٹریسنگ اور حقیقی وقت کے الرٹس قائم کریں۔
- لاگت اور کارکردگی بہتر بنانے کے لیے ایجنٹ ورک فلو، ماڈل سیٹنگز، کیشنگ اور انفراسٹرکچر بہتر کریں۔
- Git برانچز، پل ریکویسٹس اور کوڈ ریویوز کا انتظام کریں۔
- پروڈکشن کے لیے تیار AI حل فراہم کرنے کے لیے ڈیٹا سائنس دانوں، سافٹ ویئر انجینئرز اور کاروباری ٹیموں کے ساتھ کام کریں۔
- سسٹم آرکیٹیکچر، ایجنٹ فلو، ٹولز، پرامپٹس، کنٹینرز اور آپریٹنگ طریقۂ کار دستاویزی شکل میں درج کریں۔
تقاضے
- مشین لرننگ یا AI انجینئرنگ میں کم از کم تین سال کا پیشہ ورانہ تجربہ اور MLOps کی مضبوط بنیاد۔
- پروڈکشن LLM، جنریٹو AI یا ایجنٹک سسٹمز ڈیزائن اور ڈیپلائے کرنے کا ایک سے دو سال کا عملی تجربہ۔
- Python میں ماہر سطح کی مہارت۔
- PyTorch، TensorFlow یا Scikit-learn کا تجربہ۔
- ڈیپ لرننگ، نیچرل لینگویج پروسیسنگ اور Transformer آرکیٹیکچرز کا مضبوط نظریاتی اور عملی علم۔
- LangChain، LangGraph، LlamaIndex، CrewAI یا Vertex AI Agent Builder کا عملی تجربہ۔
- Google Cloud Platform، Docker، Kubernetes/GKE، Cloud Run اور Cloud Functions کا ثابت شدہ تجربہ۔
- ویکٹر انڈیکسنگ، سیمینٹک سرچ، Vertex AI Vector Search، AlloyDB یا ملتے جلتے ٹولز کا ثابت شدہ تجربہ۔
- SQL اور NoSQL ڈیٹابیسز، REST APIs اور GraphQL APIs کا علم۔
- Terraform، Git اور Cloud Build، GitLab CI یا Jenkins جیسے CI/CD ٹولز کا تجربہ۔
- Prometheus، Cloud Logging یا LangSmith کا تجربہ، نیز LLM آؤٹ پٹ کے معیار اور حفاظت کا جائزہ لینے کا تجربہ۔
- Google Cloud Professional Machine Learning Engineer یا Professional Cloud Architect سرٹیفیکیشن کو بہت ترجیح دی جائے گی۔
- بیچلر ڈگری یا مساوی قابلیت۔