
EY人工智能架构师(混合办公,卡托维兹)
为EY客户打造受治理且可扩展的人工智能解决方案,涵盖战略、架构与实施。 领导生成式人工智能、大语言模型、MLOps、云和数据架构等领域的项目。
描述
- 领导企业级人工智能解决方案的设计、治理与交付。
- 帮助客户从数据和人工智能技术中创造价值。
- 制定人工智能战略并设计可扩展的平台。
- 运用生成式人工智能、大语言模型、机器学习、自然语言处理、MLOps和云技术开发解决方案。
- 将复杂的业务需求转化为稳健的人工智能架构。
- 制定人工智能路线图、架构标准和治理框架。
- 在解决方案设计与交付中贯彻可信人工智能原则。
- 推进MLOps、LLMOps和DevOps实践。
- 运用云、容器化、版本控制和机器学习生命周期工具构建并运营人工智能解决方案。
- 创建监控、可观测性、日志记录和评估框架。
- 与业务相关方以及数据科学、工程、软件、云、安全和运维团队合作。
- 领导技术团队、架构评审及客户人工智能转型工作。
任职要求
- 在人工智能、机器学习、数据科学或解决方案架构领域至少有五年经验。
- 具备设计和交付企业级人工智能解决方案及平台的能力。
- 深入了解机器学习、深度学习、生成式人工智能和大语言模型(LLM)。
- 具备端到端人工智能解决方案架构经验,涵盖数据摄取、模型开发、部署和监控。
- 具备生成式人工智能框架及应用的实际经验。
- 熟练使用Python,并熟悉TensorFlow、PyTorch、LangChain、Hugging Face及相关工具。
- 了解检索增强生成(RAG)、智能体人工智能、向量数据库和现代人工智能编排框架。
- 具备Azure或AWS经验,包括云原生人工智能服务。
- 深入掌握数据架构与工程,包括建模、治理、集成和质量。
- 具备按照企业标准和最佳实践设计安全、可扩展人工智能架构的经验。
- 拥有计算机科学、工程、数学或相关学科的学士或硕士学位。
- 具备制定人工智能路线图、架构标准和治理框架的经验。
- 了解可信人工智能实践,包括公平性、透明度、问责制、安全和合规。
- 具备MLOps、LLMOps和DevOps经验,包括CI/CD、监控和模型生命周期管理。
- 具备Docker、Kubernetes、Git、Azure AI Studio、MLflow及CI/CD平台经验。
- 具备开发监控、可观测性、日志记录和评估框架的经验。
- 熟悉企业架构框架及安全设计原则。
- 具备领导技术团队、架构评审及面向客户的人工智能转型项目的经验。
福利待遇
- 持续学习和专业发展机会。
- 提供有助于做出有意义贡献的工具与灵活性。
- 获得指导并有机会培养领导能力。
- 多元包容的职场文化。
- 与EY全球团队协作。
- 接触不断扩展的人脉、学习资源、技能和见解。
- 可在EY的服务线、工作地点和行业领域拓展职业机会。
相关职位

