AI Engineer – pharmaceutical industry (f / m/x) - Senior

Benefity

• Great Place to Work

• Stabilna sytuacja finansowa

• Kontrakty z globalnymi markami

• Centrum szkoleń wewnętrznych

• Wielu ekspertów, od których możesz się uczyć

• Otwarty i dostępny zarząd

• Profit sharing

• Program Sponsoringu Pasji

• Cykliczne imprezy i wyjazdy integracyjne

• Komfortowe i dobrze wyposażone biura

• Aplikacja MySii

• Opieka medyczna

Wymagania

• Minimum 5 lat doświadczenia w projektowaniu i utrzymywaniu produkcyjnych pipeline'ów MLOps/LLMOps z CI/CD dla modeli.

• Praktyczne doświadczenie z AWS SageMaker, Kubeflow lub MLflow, w tym monitorowanie modeli, przekwalifikowanie i wykrywanie dryfu

• Biegła znajomość języka Python na poziomie produkcyjnym, w tym pisanie czystego, testowalnego i dobrze udokumentowanego kodu, interfejsów API i usług.

• Silne umiejętności w zakresie konteneryzacji modeli za pomocą Dockera i orkiestracji za pomocą Kubernetes, zapewniające skalowalność i wysoką dostępność

• Udokumentowane doświadczenie we wdrażaniu modeli LLM i Transformer przy użyciu HuggingFace i LangChain; doświadczenie z Portkey lub Galileo jest dodatkowym atutem

• Praktyczne wykorzystanie usług AWS, takich jak Lambda, EC2 i SageMaker, we współpracy z zespołami ds. infrastruktury i inżynierii danych.

• Solidne zrozumienie architektury rozproszonej, strumieniowego przesyłania danych i obsługi dużych ilości danych w środowiskach produkcyjnych

• Biegła znajomość języka angielskiego

• Wymagane miejsce zamieszkania w Polsce

Zakres obowiązków

• Projektowanie, wdrażanie i utrzymywanie kompleksowych potoków MLOps/LLMOps na potrzeby CI/CD i monitorowania jakości danych modeli AI.

• Tworzenie solidnych i skalowalnych interfejsów API i usług do wdrażania i obsługi modeli AI/ML, w tym wykrywania anomalii i predykcyjnej oceny jakości danych.

• Integracja i wykorzystanie zaawansowanych narzędzi AI, takich jak LangChain, Portkey, Galileo i HuggingFace Transformers w celu opracowania agentów jakości danych i zautomatyzowanej klasyfikacji błędów.

• Współpraca z zespołami Data Engineer i IT Operations w celu zarządzania infrastrukturą w chmurze (AWS) na potrzeby skalowalnego serwowania modeli, monitorowania i automatycznego przekwalifikowania.

• Wdrażanie systemów do monitorowania wydajności modeli, wykrywania dryfu danych i modeli oraz automatyzacji pętli ponownego szkolenia modeli

• Zapewnienie wysokiej dostępności i wydajności systemów sztucznej inteligencji przy dużym obciążeniu danymi na centralnej platformie nadzoru danych.

• Projektowanie i wdrażanie systemów sztucznej inteligencji zgodnie z wewnętrznymi zasadami bezpieczeństwa i standardami regulacyjnymi GxP.

• Ciągłe doskonalenie architektury i procesów MLOps w celu utrzymania odporności jakości danych.

Opis

Poszukujemy doświadczonego inżyniera ds. sztucznej inteligencji, który pomoże nam odpowiedzialnie kształtować i zarządzać szybko rozwijającym się ekosystemem narzędzi opartych na sztucznej inteligencji. Jest to strategiczna, skoncentrowana na inżynierii rola dla kogoś, kto potrafi przekształcić modele AI/ML Engineer - w tym rozwiązania oparte na LLM - w stabilne, skalowalne i dobrze monitorowane systemy produkcyjne. Jeśli masz praktyczny sposób myślenia, czujesz się pewnie pracując z infrastrukturą, pipeline'ów i automatyzacji, i rozumiesz realia pracy w regulowanym środowisku (farmacja / GxP), możesz być dokładnie tym, kogo szukamy! Projektowanie, wdrażanie i utrzymywanie kompleksowych potoków MLOps/LLMOps na potrzeby CI/CD i monitorowania jakości danych modeli AI. Tworzenie solidnych i skalowalnych interfejsów API i usług do wdrażania i obsługi modeli AI/ML, w tym wykrywania anomalii i predykcyjnej oceny jakości danych. Integracja i wykorzystanie zaawansowanych narzędzi AI, takich jak LangChain, Portkey, Galileo i HuggingFace Transformers w celu opracowania agentów jakości danych i zautomatyzowanej klasyfikacji błędów. Współpraca z zespołami Data Engineer i IT Operations w celu zarządzania infrastrukturą w chmurze (AWS) na potrzeby skalowalnego serwowania modeli, monitorowania i automatycznego przekwalifikowania. Wdrażanie systemów do monitorowania wydajności modeli, wykrywania dryfu danych i modeli oraz automatyzacji pętli ponownego szkolenia modeli Zapewnienie wysokiej dostępności i wydajności systemów sztucznej inteligencji przy dużym obciążeniu danymi na centralnej platformie nadzoru danych. Projektowanie i wdrażanie systemów sztucznej inteligencji zgodnie z wewnętrznymi zasadami bezpieczeństwa i standardami regulacyjnymi GxP. Ciągłe doskonalenie architektury i procesów MLOps w celu utrzymania odporności jakości danych. Minimum 5 lat doświadczenia w projektowaniu i utrzymywaniu produkcyjnych pipeline'ów MLOps/LLMOps z CI/CD dla modeli. Praktyczne doświadczenie z AWS SageMaker, Kubeflow lub MLflow, w tym monitorowanie modeli, przekwalifikowanie i wykrywanie dryfu Biegła znajomość języka Python na poziomie produkcyjnym, w tym pisanie czystego, testowalnego i dobrze udokumentowanego kodu, interfejsów API i usług. Silne umiejętności w zakresie konteneryzacji modeli za pomocą Dockera i orkiestracji za pomocą Kubernetes, zapewniające skalowalność i wysoką dostępność Udokumentowane doświadczenie we wdrażaniu modeli LLM i Transformer przy użyciu HuggingFace i LangChain; doświadczenie z Portkey lub Galileo jest dodatkowym atutem Praktyczne wykorzystanie usług AWS, takich jak Lambda, EC2 i SageMaker, we współpracy z zespołami ds. infrastruktury i inżynierii danych. Solidne zrozumienie architektury rozproszonej, strumieniowego przesyłania danych i obsługi dużych ilości danych w środowiskach produkcyjnych Biegła znajomość języka angielskiego Wymagane miejsce zamieszkania w Polsce Great Place to Work Stabilna sytuacja finansowa Kontrakty z globalnymi markami Centrum szkoleń wewnętrznych Wielu ekspertów, od których możesz się uczyć Otwarty i dostępny zarząd Profit sharing Program Sponsoringu Pasji Cykliczne imprezy i wyjazdy integracyjne Komfortowe i dobrze wyposażone biura Aplikacja MySii Opieka medyczna