Lead Architect

Заголовок: Ведущий архитектор Местоположение: 5 локаций

Местоположение: Бенгалуру Местоположение: Пуна Местоположение: Мумбаи Местоположение: Гургаон Местоположение: Ноида Занятость: Полная занятость

Работать в компании, где люди искренне ВЕРЯТ в то, что они делают, — это здорово! Мы стремимся привнести страсть и ориентацию на клиента в бизнес.

Обзор роли: Мы создаем команду LLMOps нового поколения в Fractal для индустриализации внедрения GenAI и формирования будущего GenAI-инжиниринга. Это практическая роль технического лидера для AI-инженеров с сильными навыками в ML и DevOps — идеально подходит для тех, кто любит создавать масштабируемые системы с нуля. Вы будете проектировать, развертывать и масштабировать GenAI и Agentic AI приложения с надежной автоматизацией жизненного цикла и наблюдаемостью.

Требуемые квалификации: 10–14 лет опыта работы над ML-проектами, включая продуктовое мышление, сильные практические навыки, техническое лидерство, руководство командами разработчиков Разработка моделей, обучение, развертывание в масштабе, мониторинг производительности для производственных сценариев использования Глубокое знание Python, Data Engineering, FastAPI, NLP Знание Langchain, Llamaindex, Langtrace, Langfuse, LLM evaluation, MLFlow, BentoML Должен иметь опыт работы с проприетарными и открытыми LLM Опыт дообучения LLM, включая PEFT/CPT Опыт создания рабочих процессов Agentic AI с использованием таких фреймворков, как CrewAI, Langraph, AutoGen, Symantec Kernel Опыт оптимизации производительности, RAG, guardrails, AI governance, prompt engineering, evaluation, и observability Опыт развертывания GenAI-приложений в облаке и локально в масштабе для производства с использованием практик DevOps Опыт в DevOps и MLOps Хорошее практическое знание Kubernetes и Terraform Опыт работы минимум в одной облачной среде: AWS / GCP / Azure для развертывания AI-сервисов Командный игрок с отличными коммуникативными и презентационными навыками

Ключевые навыки: Продуктовое мышление, включающее идею, прототипирование и масштабирование внутренних ускорителей для LLMOps Проектирование и создание масштабируемых LLMOps-платформ для корпоративных GenAI-систем Проектирование и управление комплексными LLM-конвейерами от приема данных и эмбеддинга до оценки и инференса Управление инфраструктурой, специфичной для LLM: управление памятью, контроль токенов, цепочки запросов (prompt chaining) и оптимизация контекста Руководство масштабируемыми фреймворками развертывания для LLM с использованием Kubernetes и масштабирования с учетом GPU Создание возможностей для операций Agentic AI, включая оценку агентов, наблюдаемость, оркестрацию и циклы рефлексии Guardrails & Observability: Реализация фильтрации вывода, маршрутизации с учетом контекста, систем оценки, логирования метрик и реагирования на инциденты Автоматизация платформы для LLMOps: Сквозная автоматизация с использованием Docker, Kubernetes, GitOps, DevOps, Terraform и т.д. Продуктовое мышление: Разработка идей, прототипирование и масштабирование внутренних ускорителей и повторно используемых компонентов для LLMOps GenAI Engineering: Производственное внедрение LLM-приложений с использованием модульных, повторно используемых и безопасных паттернов Архитектура конвейера: Создание конвейеров оценки, включая оркестрацию запросов, петли обратной связи и рабочие процессы дообучения Управление запросами и моделями: Проектирование систем для версионирования, управления ИИ (AI governance), автоматизированного тестирования и оценки качества запросов Масштабируемое развертывание: Проектирование облачных и гибридных стратегий развертывания для крупномасштабного инференса Guardrails & Observability: Реализация фильтрации вывода, маршрутизации с учетом контекста, систем оценки, логирования метрик и реагирования на инциденты DevOps & Platform Automation: Сквозная автоматизация с использованием Docker, Kubernetes, GitOps, Terraform и т.д.

Ключевые технические навыки LLMOps фреймворки: LangChain, MLflow, BentoML, Ray, Truss, FastAPI Системы оценки и скоринга запросов: OpenAI evals, Ragas, Rebuff, Outlines Облачное развертывание: Kubernetes, Helm, Terraform, Docker, GitOps ML pipeline: Airflow, Prefect, Feast, Feature Store Data stack: Spark/Flink, Parquet/Delta, Lakehouse patterns Cloud: Azure ML, GCP Vertex AI, AWS Bedrock/SageMaker Языки: Python (обязательно), Bash, YAML, Terraform HCL (предпочтительно)

Если вам нравится дикий рост и работа с счастливыми, полными энтузиазма людьми, добивающимися успеха, вам понравится ваша карьера у нас!

Вопросы по найму Индия: контакт рекрутера За пределами Индии: контакт рекрутера Этот почтовый ящик не обрабатывает отправку резюме. Все заявки должны подаваться через опубликованные вакансии.

Не подходит? Дайте нам знать, что вы заинтересованы в будущей возможности, нажав «Представиться» в верхнем правом углу страницы, или создайте учетную запись, чтобы настроить оповещения по электронной почте о появлении новых вакансий, соответствующих вашим интересам!