აგენტური ხელოვნური ინტელექტის ინჟინერი

ანდერსენი აგენტური ხელოვნური ინტელექტის ინჟინერს იღებს პროექტზე, რომელიც ხელოვნური ინტელექტის შესაძლებლობების ინტეგრირებას გულისხმობს სპორტული წარმადობის პლატფორმაში და მწვრთნელებისა და სპორტსმენებისთვის მასშტაბური, საიმედო ინსაიტების მიწოდებას.

ჩვენი მომხმარებელი არის გლობალური ტექნოლოგიური პროვაიდერი, რომელიც სპეციალიზირებულია წარმადობის მონიტორინგში, მონაცემთა ანალიტიკაში და ოპერატიული ოპტიმიზაციაში. ის ავითარებს პროგრამულ პლატფორმებს და მონაცემებით მართულ გადაწყვეტილებებს, რომლებიც ორგანიზაციებს ეფექტურობის გაუმჯობესებაში, მნიშვნელოვანი ინსაიტების მოპოვებასა და ინფორმირებული გადაწყვეტილებების მიღებაში ეხმარება. საერთაშორისო ბაზრებზე მომსახურების გაწევისას, კომპანია ინოვაციებზე და ინტეგრირებულ ტექნოლოგიებზე ფოკუსირდება, რომლებიც წარმადობას აძლიერებს და გრძელვადიან ზრდას უჭერს მხარს.

პროექტი მიზნად ისახავს სპორტული წარმადობის ტექნოლოგიური პლატფორმაში აგენტური ხელოვნური ინტელექტის შესაძლებლობების განვითარებასა და ინტეგრირებას. ის მიზნად ისახავს სპორტსმენების მონაცემების ტრანსფორმირებას მოქმედი, სანდო ინსაიტებად მწვრთნელებისა და წარმადობის სპეციალისტებისთვის საიმედო, მასშტაბური და გაზომვადი ხელოვნური ინტელექტის გადაწყვეტილებების მეშვეობით.

პასუხისმგებლობები: - სპეციალისტური ხელოვნური ინტელექტის აგენტების დიზაინი და შექმნა, რომლებიც იყენებენ მეხსიერებას, ინსტრუმენტებს, მონაცემებს და მრავალსაფეხურიან მსჯელობას. - მრავალაგენტური ორკესტრირების აგება, რომელიც აგენტებს შორის სამუშაოს მარშრუტიზაციას ახორციელებს, დამოკიდებულებებს მართავს და კონფლიქტური შედეგების სინთეზს ახორციელებს. - მექანიზმების განვითარება, რომლებიც აფასებენ ნდობას, გაურკვევლობას და შედეგს, სანამ რეკომენდაცია პრაქტიკანტს მიაღწევს. - ადამიანის მიერ კონტროლირებადი ესკალაციის აგება, რათა სისტემა გადაწყვიტოს, როდის უნდა გასცეს პასუხი, როდის უნდა მოითხოვოს მეტი ინფორმაცია და როდის უნდა გადაეცეს ადამიანს. - სპორტული მეცნიერების ექსპერტიზის გადაქცევა ვალიდირებულ, ვერსირებულ და ტესტირებად აგენტურ შესაძლებლობებად. - შეფასების, დაკვირვების და რეგრესიული ტესტირების აგება აგენტების წარმადობის გასაზომად და გასაუმჯობესებლად წარმოებაში. - დომენური ექსპერტების თანამშრომლობა იმის უზრუნველსაყოფად, რომ ხელოვნური ინტელექტის შედეგები დასაბუთებული, თვალთვალის და მოქმედი იყოს. - ხელოვნური ინტელექტის შესაძლებლობების განვითარება, რომლებიც შეესაბამება სპორტსმენების ყოვლისმომცველ მონაცემებს სწრაფი, მტკიცებულებებზე დაფუძნებული წარმადობის ინსაიტებისა და რეკომენდაციების მიწოდებისთვის. - იმის უზრუნველყოფა, რომ რეკომენდაციები მოიცავდეს გაზომვად კალიბრირებულ ნდობის დონეებს და გამჭვირვალე დამადასტურებელ მტკიცებულებებს, რომლებიც პრაქტიკანტებს საშუალებას აძლევს გაიგონ და გადაამოწმონ მათი წარმომავლობა. - ხელოვნური ინტელექტის სისტემების დიზაინი, რომლებიც აღიარებენ, როდესაც ხელმისაწვდომი მტკიცებულებები არასაკმარისია და არ აწვდიან დაუსაბუთებელ რეკომენდაციებს. - ინფორმირებული, დასაბუთებული პრაქტიკანტების გადაწყვეტილების მხარდაჭერა, ხოლო საბოლოო გადაწყვეტილების მიღების პასუხისმგებლობა ადამიან ექსპერტთან რჩება.

მოთხოვნები: - გამოყენებითი მანქანური სწავლების, ხელოვნური ინტელექტის ან პროგრამული ინჟინერიის მიმართულებით 5+ წლიანი პროფესიული გამოცდილება. - Python-ის ძლიერი ცოდნა და პროგრამული ინჟინერიის საფუძვლები, მათ შორის წარმოების სისტემების აშენება, განლაგება და ექსპლუატაცია. - ხელოვნური ინტელექტის აგენტური სისტემების პირადი გამოცდილება, რომლებიც გამოიყენება რეალური მომხმარებლების მიერ, მათ შორის მუდმივი მეხსიერება/მდგომარეობა, ინსტრუმენტების გამოძახება, მრავალსაფეხურიანი მსჯელობა, სამუშაო ნაკადის ორკესტრირება და წარმოების ოპერაციები. გამოცდილება, რომელიც შემოიფარგლება მხოლოდ ჩატბოტებით, სწრაფი ინჟინერინგით ან RAG-ით, არ არის საკმარისი. - გამოცდილება მრავალაგენტიანი სისტემების აშენებაში ან მნიშვნელოვან წვლილში წარმოებისათვის, მათ შორის აგენტების მარშრუტიზაცია, ორკესტრირება, სპეციალისტი აგენტების კომპოზიცია და დამოკიდებულების მქონე სამუშაო ნაკადები. - პარალელური და სეკვენციური აგენტების შესრულების, აგენტების გამოსავლების კონფლიქტების გადაჭრის და პასუხების სინთეზის ძლიერი გაგება. - ალბათური მოდელის კალიბრაციის პრაქტიკული გამოცდილება, მათ შორის პლატის სკალირება, იზოტონური რეგრესია, მოსალოდნელი კალიბრაციის შეცდომა (ECE), საიმედოობის/კალიბრაციის მრუდები და ნდობისა და გაურკვევლობის შეფასება. - ინგლისური ენის დონე - ზედა-ინტერმედიე და ზემოთ.

სასურველია: - გამოცდილება წარმოების RAG მილსადენებთან, მოძიების ოპტიმიზაციასთან და გადაფასებასთან. - გამოცდილება ფუნდამენტური მოდელის დახვეწასთან ან დომენის ადაპტაციასთან LoRA, PEFT ან მსგავსი მიდგომების გამოყენებით. - გამოცდილება LLM-ის დაკვირვებასთან, დრიფტის გამოვლენასთან, შეფასების ჩარჩოებთან და ავტომატური რეგრესიის ტესტირებასთან. - ადამიანის-მარყუჟის არქიტექტურების, ნდობის ზღურბლების და ესკალაციის მექანიზმების ცოდნა. - მიზეზობრივი და კონტრფაქტული მსჯელობის გაგება. - გამოცდილება Go-სთან და AWS სერვისებთან, მათ შორის ECS, EC2, Lambda, SNS და SQS. - გამოცდილება GraphQL, REST ან gRPC API-ებთან და მონაცემთა ბაზებთან, როგორიცაა PostgreSQL ან MongoDB. - გამოცდილება სპორტულ მეცნიერებთან, კლინიკებთან ან სხვა დომენის ექსპერტებთან თანამშრომლობაში. - გაცნობა სამუშაო დატვირთვის, მზადყოფნის, აღდგენის, ბიომექანიკის ან სპორტსმენების შესრულების მონაცემებთან.

ანაზღაურება: 3050–5250 ევრო თვეში.