Generative AI - Vice President

Dołącz do naszego zespołu w Dziale Danych i Analiz (CDAO) jako czołowa siła stojąca za przyjęciem sztucznej inteligencji (AI) w całej firmie. Nasz oddany zespół skupia się na zarządzaniu danymi, etycznych praktykach AI oraz utrzymaniu infrastruktury chmurowej. Dołącz do nas, aby zrewolucjonizować nasze podejście do danych i analiz, kształtując przyszłość.

Jako Wiceprezes ds. Generatywnej AI w naszej organizacji CDAO, będziesz odgrywał kluczową rolę w optymalizacji naszych produktów wspomaganych przez modele językowe (LLM). Będziesz współpracował z interdyscyplinarnymi zespołami, w tym z Centrum Doskonałości ML, Badaniami nad AI i Inżynierią Chmurową, wspierając innowacje i dostarczając skalowalne rozwiązania. Zapewnisz, że nasze API będą efektywnie obsługiwać liczne żądania oraz wspierasz inne zespoły i deweloperów w budowaniu własnych rozwiązań ML.

• Łączenie obszernych zasobów danych z zaawansowanymi technologiami AI, włączając LLM i multimodalne LLM
• Łączenie badań naukowych z inżynierią oprogramowania, wykorzystując doświadczenie w obu dziedzinach
• Ścisła współpraca z zespołami chmurowymi i SRE do projektowania i dostarczania architektur produkcyjnych

• Doktorat w dyscyplinie ilościowej (Informatyka, Matematyka, Statystyka)
• Doświadczenie jako indywidualny wykonawca w inżynierii ML
• Udowodnione doświadczenie w budowaniu i prowadzeniu zespołów doświadczonych inżynierów/uczonych ML
• Stałe zrozumienie statystyki, optymalizacji i teorii ML, ze szczególnym uwzględnieniem NLP i/lub widzenia komputerowego
• Praktyczne doświadczenie z aplikacjami rozproszonymi/skalowalnymi (Ray, Horovod, DeepSpeed itd.)
• Umiejętność pisania jasnych i zwięzłych OKRs (Cele i Kluczowe Wyniki)
• Doświadczenie jako "Odpowiedzialny Właściciel" usług ML w środowiskach przedsiębiorstw
• Mocne podstawy informatyki i najlepsze praktyki SDLC
• Wyśmienite umiejętności komunikacyjne do skutecznego przekazywania informacji technicznych na wszystkich poziomach

• Doświadczenie w projektowaniu i wdrażaniu pipeline'ów przy użyciu DAGs (Kubeflow, DVC, Ray)
• Umiejętność tworzenia mikrousług batchowych i strumieniowych udostępnianych jako punkty końcowe gRPC i/lub GraphQL
• Doświadczenie w efektywnym dostosowywaniu parametrów, kwantyzacji modeli i świadomej kwantyzacji dostrajania modeli LLM
• Praktyczna znajomość strategii budowania wskazówek w postaci łańcuchów myśli, drzewa myśli, graf