Opis firmy
Jesteśmy firmą inżynierii produktów cyfrowych, która dynamicznie się rozwija! Tworzymy produkty, usługi i doświadczenia, które inspirują, zachwycają i entuzjazmują. Działamy na dużą skalę - we wszystkich urządzeniach i środkach masowego przekazu cyfrowych, a nasz zespół jest rozproszony na całym świecie (licząc ponad 15000+ specjalistów w 26 krajach). Nasza kultura pracy jest dynamiczna i niehierarchiczna. Obecnie poszukujemy wyjątkowych nowych członków zespołu. To właśnie tutaj wkraczasz Ty!
Opis stanowiska
Wymagane umiejętności: mocne umiejętności programowania Python, mocne umiejętności projektowania rozwiązań z zakresu uczenia maszynowego, TensorFlow, PyTorch,
Rola zawodowa: Dział Przemysłu i Automatyzacji w Nagarro współpracuje z szerokim gronem klientów przemysłowych, aby osiągnąć ich cele przemiany biznesowej. Współtworzymy cyfrowe rozwiązania, które wspierają naszych klientów w drodze do przemysłu 4.0. Przemysłowe rozwiązania 4.0 wykorzystują różnorodne technologie, takie jak przemysłowy IoT, chmura, technologie rzeczywistości, sztuczna inteligencja, analiza danych, SAP S/4 Hana, aplikacje dedykowane, 5G i wiele więcej.
Szukamy lidera technologicznego, który poprowadzi niektóre z naszych kluczowych inicjatyw klientów:
Wymagane umiejętności: Python/ Spark, uczenie maszynowe, głębokie uczenie, przetwarzanie języka naturalnego, rozwiązywanie problemów, biblioteki do uczenia maszynowego, takie jak TensorFlow, Pandas, sci-kit-learn, Keras itp., biblioteki do głębokiego uczenia, takie jak Pytorch, CAFFE, MXNet, OpenVINO i OpenCV itp., oraz biblioteki do przetwarzania języka naturalnego, takie jak NLTK, Gensim, CoreNLP. Dobra znajomość aspektów AI generatywnego na tekście i obrazie z Hugging Face, LangChain, Google Generative AI Studio, Azure Open AI services, i generatywnego AI na AWS oraz doświadczenie z modelami podstawowymi, takimi jak GPT3.5, Falcon, LLMA, Stable Diffusion itp.
Kandydat musi wykazać następujące umiejętności i doświadczenie:
- Udokumentowane doświadczenie w pracy z technologiami ML (Machine Learning)/ DL (Deep Learning)/ AI (Artificial Intelligence) przy użyciu niestandardowych algorytmów lub platform technologicznych.
- Wcześniejsze doświadczenie z bazami danych SQL i NoSQL, takimi jak MongoDB, Cassandra, Redis, itp. Biegłość w Python/ Spark AI i stogu ML. Umiejętność projektowania i implementacji przepływów pracy konwolucyjnych sieci neuronowych (CNN), rekurencyjnych sieci neuronowych (RNN), generatywnych sieci przeciwnych (GAN), wariacyjnych autoenkoderów, transformerów i generatywnych pre-treningowych transformerów.
- Doświadczenie w budowaniu modeli AI i ML, zapewniające wysoką jakość dostaw, zgodnie z najlepszymi normami MLOps. Doświadczenie w pracy z mlflow i Kubeflow do przeprowadzania wdrożeń uczenia maszynowego w chmurze i lokalnie. Umiejętność optymalizacji modeli uczenia maszynowego i głębokiego uczenia, preferowane doświadczenie w wdrażaniu modeli ML na edge.
- Doświadczenie w projektowaniu rozwiązań Data i AI, współpracy z architektami aplikacji korporacyjnych w celu projektowania map drogowych aplikacji korporacyjnych dla AI.
- Umiejętność angażowania się w rozmowy z interesariuszami biznesowymi, konsultantami biznesowymi i konsultantami przed sprzedażą, aby zrozumieć i przekładać ich potrzeby na wymagania techniczne.
- Kandydat powinien znać model dostaw zwinnych i mieć doświadczenie w korzystaniu z narzędzia do zarządzania produktem agile, preferowany JIRA.
- Umiejętność kierowania zespołem w kwestiach strategii i rozwiązań technicznych AI i ML, przeprowadzania przeglądów kodu i definiowania strategii integracji.
- Doskonałe zdolności komunikacyjne w mowie i piśmie są niezbędne do skutecznej komunikacji w zespole globalnym i z klientami.
- Praktyczna znajomość co najmniej jednego głównego dostawcy chmury spośród Azure, AWS i Google Cloud jest preferowana.
- Wysoko pożądana jest dogłębna wiedza i praktyczne doświadczenie z co najmniej dwoma z ram AI do obrazu, audio i tekstu.
- Wcześniejsze doświadczenie jako lider techniczny w którymkolwiek z następujących domen zastosowań byłoby korzystne: produkcja, ciężka inżynieria, motoryzacja, dobra konsumpcyjne, żywność, rolnictwo, chemia, materiały budowlane, elektronika, itp.