RocketHuntУмный поиск работы
General Motors
Уоррен, Соединенные Штаты
Разрабатывать и предоставлять надежные системы ИИ, решения машинного обучения, продукты данных и приложения, которые улучшают принятие решений, автоматизируют работу и обеспечивают измеримое влияние на бизнес в отделах продаж, обслуживания, маркетинга и глобальных рынках. Это практическая роль ведущего инженера по ИИ для опытного индивидуального контрибьютора, который может пройти путь от определения бизнес-проблем и аналитических исследований до инжиниринга данных, разработки моделей и систем ИИ, доставки приложений и эксплуатации в производственной среде. Роль сочетает практическую науку о данных с сильными навыками разработки программного обеспечения и платформ для создания масштабируемых, повторно используемых, безопасных, поддерживаемых и внедренных возможностей ИИ.
Преобразовывать неоднозначные бизнес-проблемы в четкие цели ИИ, стратегии решений, планы оценки и измеримые критерии успеха. Разрабатывать, валидировать и улучшать решения для прогнозирования, классификации, сегментации, оптимизации, обработки естественного языка, генеративного ИИ и поддержки принятия решений. Выбирать практические статистические методы, методы машинного обучения и ИИ в зависимости от бизнес-решения, доступных данных, эксплуатационных ограничений, рисков и ожидаемой ценности. Применять такие методы, как экспериментирование, прогнозирование временных рядов, каузальный анализ, генерация с дополненным поиском (retrieval-augmented generation), агентные рабочие процессы или другие современные паттерны ИИ, когда они соответствуют назначению. Сотрудничать со стейкхолдерами, чтобы определить, когда ИИ уместен, а когда более простые аналитические методы, правила или автоматизация рабочих процессов приведут к лучшим результатам.
Определять требования к данным и сотрудничать с командами инжиниринга данных, платформ и бизнеса для создания надежных, документированных источников данных. Создавать масштабируемые конвейеры для приема, преобразования, агрегации, создания признаков, эмбеддингов и баз знаний, используя пакетные или потоковые паттерны по мере необходимости. Создавать повторно используемые продукты данных, аналитические наборы данных, семантические модели, активы признаков и индексы поиска, поддерживающие множество вариантов использования. Проводить разведочный анализ, оценку качества данных, проверку схемы, отбор признаков, обнаружение утечек и анализ доступности данных. Работать со структурированными и неструктурированными данными, включая наборы данных по клиентам, автомобилям, дилерам, продажам, обслуживанию, гарантии, стимулированию, документам, разговорам и операциям.
Создавать приложения ИИ производственного качества, сервисы, API, ассистенты, дашборды и инструменты рабочего процесса, которые делают возможности ИИ доступными для конечных пользователей. Преобразовывать модели и системы ИИ в интуитивно понятные пользовательские интерфейсы, инструменты поддержки принятия решений, рабочие процессы автоматизации и возможности самообслуживания. Проектировать чистые интерфейсы между конвейерами данных, моделями, базовыми моделями, инструментами, серверными сервисами и клиентскими или рабочими приложениями. Реализовывать паттерны поиска, заземления (grounding), использования инструментов, оркестрации, управления промптами, оценки и участия человека (human-in-the-loop) по мере необходимости. Разрабатывать безопасное, тестируемое, наблюдаемое и поддерживаемое программное обеспечение, используя надежные инженерные практики, проверку кода, контроль версий и автоматизированное тестирование. Сотрудничать с архитекторами и инженерами-программистами по структуре приложений, паттернам интеграции, аутентификации, авторизации, развертыванию и операционной поддержке.
Создавать фреймворки оценки, которые отражают реальные бизнес-результаты, а не только офлайн-технические метрики. Оценивать качество модели и системы ИИ, калибровку, предвзятость, интерпретируемость, надежность, фактичность, заземленность (groundedness), безопасность, удобство использования, задержку и эксплуатационную пригодность. Проектировать и анализировать эксперименты, пилотные проекты, упражнения по «красной команде» (red-team exercises) и подходы «чемпион/претендент» (champion/challenger) для проверки ценности и управления рисками перед широким внедрением. Развертывать решения в виде API, пакетных процессов, запланированных рабочих процессов, приложений, ассистентов или возможностей поддержки принятия решений. Создавать практики для управления зависимостями, версионирования, отслеживания происхождения данных, отслеживания промптов и моделей, управления релизами, отката и воспроизводимости. Проектировать мониторинг качества данных, дрейфа, производительности модели, качества ответов, сигналов безопасности, состояния приложения, задержки, доступности, использования и бизнес-результатов. Исследовать производственные проблемы, выявлять первопричины и улучшать модели, конвейеры, сервисы, промпты и пользовательские интерфейсы посредством структурированной итерации.
Применять принципы ответственного ИИ, конфиденциальности, безопасности и управления данными на всех этапах проектирования и эксплуатации решений. Определять соответствующие средства контроля для доступа, обработки данных, аудируемости, объяснимости, человеческого надзора, рисков моделей и промптов, а также использования внешних или сторонних сервисов. Документировать предположения, ограничения, предполагаемое использование, запрещенное использование, результаты оценки и ответственность за эксплуатацию решений ИИ. Сотрудничать со стейкхолдерами из отделов безопасности, конфиденциальности, архитектуры, юридического отдела и управления для поддержки соблюдения нормативных требований при развертывании в корпоративной среде.
Выступать в качестве технического авторитета и доверенного консультанта по прикладным ИИ, машинному обучению, инжинирингу данных, разработке приложений и паттернам платформ ИИ. Повышать качество через повторно используемые паттерны, эталонные реализации, проверки кода, документацию, тестирование, наблюдаемость и воспроизводимость. Обучать специалистов по данным, аналитиков, инженеров и гражданских строителей надежным практикам моделирования, работы с данными, разработки программного обеспечения и ответственного ИИ. Помогать командам оценивать и использовать платформы, такие как Databricks, Azure AI, Azure AI Foundry, Glean и другие корпоративные инструменты, когда они ускоряют доставку без ущерба для качества или управления. Делиться извлеченными уроками, повторно используемыми компонентами, эталонными архитектурами, методами оценки и практическими рекомендациями с Центром ИИ и партнерскими организациями.
Степень бакалавра в области компьютерных наук, науки о данных, статистики, математики, инженерии или смежной области; предпочтительно степень магистра или доктора.
8+ лет профессионального опыта в области искусственного интеллекта, машинного обучения, науки о данных, инжиниринга данных, разработки программного обеспечения, разработки приложений или тесно связанной дисциплины.
Подтвержденный опыт внедрения решений в области ИИ, машинного обучения, аналитики или продуктов данных от определения проблемы и прототипа до производственного развертывания и постоянной эксплуатации.
Глубокие знания Python и SQL, включая написание производственного кода, тестирование, контроль версий, документацию и отладку.
Практический опыт работы с библиотеками науки о данных и машинного обучения, такими как Pandas, NumPy, scikit-learn, PyTorch, TensorFlow или эквивалентными технологиями.
Опыт создания или интеграции приложений ИИ, API, сервисов, конвейеров данных, приложений, дашбордов или инструментов рабочего процесса.
Опыт разработки моделей, инжиниринга признаков, проектирования экспериментов, статистического анализа, оценки ИИ и представления результатов нетехническим аудиториям.
Опыт развертывания и эксплуатации решений через API, пакетные конвейеры, рабочие процессы от ноутбуков до производства, приложения, ассистенты или аналогичные производственные паттерны.
Практическое понимание практик разработки программного обеспечения и инжиниринга данных, включая CI/CD, автоматизированное тестирование, наблюдаемость, управление зависимостями, качество данных и управление релизами.
Опыт работы с крупномасштабными платформами данных, такими как Databricks, Spark/PySpark, облачные хранилища данных или эквивалентными технологиями.
Подтвержденная способность работать самостоятельно, принимать обоснованные технические компромиссы и добиваться результатов в быстро меняющейся, межфункциональной среде.
Степень магистра или доктора в области компьютерных наук, статистики, машинного обучения, исследования операций, математики, инженерии или связанной количественной области.
Опыт работы в автомобильной промышленности, продажах, обслуживании, маркетинге, аналитике клиентов, аналитике дилеров, гарантийном обслуживании, стимулировании, прогнозировании или других операционно сложных областях.
Опыт создания внутренних платформ ИИ, инструментов для разработчиков, приложений данных, продуктов поддержки принятия решений, ассистентов или корпоративных решений для рабочих процессов.
Опыт работы с большими языковыми моделями, промпт-инжинирингом, генерацией с дополненным поиском (retrieval-augmented generation), эмбеддингами, векторным поиском, вызовами инструментов, агентными рабочими процессами или оценкой приложений ИИ.
Опыт работы с каузальным выводом, прогнозированием временных рядов, оптимизацией, рекомендательными системами, обработкой естественного языка или рабочими процессами на основе генеративного ИИ.
Опыт работы с MLflow или сопоставимыми инструментами для отслеживания экспериментов, реестра моделей, оценки и управления жизненным циклом.
Опыт работы с Azure, Azure AI Foundry, Databricks, REST API, контейнерным развертыванием, CI/CD, облачными сервисами данных и наблюдаемостью приложений.
Опыт определения управления моделями, средств контроля ответственного ИИ, управления данными, средств контроля безопасности, практик интерпретируемости или стандартов оценки на основе рисков.
Опыт количественной оценки финансового воздействия и сотрудничества с финансовыми или бизнес-лидерами для подтверждения реализации ценности.
Знакомство с корпоративными платформами ИИ и платформами для разработчиков, включая Glean, Azure AI Foundry, Databricks, GitHub или сопоставимые платформы.
GM не предоставляет иммиграционную поддержку для этой должности. Не подавайте заявку на эту должность, если вам потребуется иммиграционная поддержка GM сейчас или в будущем. Это включает прямую корпоративную спонсорскую помощь, регистрацию GM в качестве иммиграционного работодателя в государственной форме и любую рабочую авторизацию, требующую письменного заявления или иной иммиграционной поддержки от компании (например, H1-B, OPT, STEM OPT, CPT, TN, J-1 и т. д.).
Эта должность является удаленной, но если выбранный кандидат проживает в пределах определенного радиуса от центра GM, он должен будет приезжать в офис три раза в неделю {или с другой частотой, установленной вашим менеджером}.
Эта вакансия не подлежит компенсации переезда. Любые расходы, связанные с переездом, будут возложены на выбранного кандидата.
Наше видение — мир с нулевым количеством аварий, нулевыми выбросами и нулевым уровнем пробок, и мы берем на себя ответственность за то, чтобы возглавить изменения, которые сделают наш мир лучше, безопаснее и справедливее для всех.
Мы считаем, что каждый из нас должен делать выбор каждый день — индивидуально и коллективно — чтобы добиться значимых изменений своими словами, действиями и культурой. Каждый день мы хотим, чтобы каждый сотрудник чувствовал себя частью единой команды General Motors.
С первого дня мы заботимся о вашем благополучии — на работе и дома — чтобы вы могли сосредоточиться на реализации своих амбиций. Узнайте, как GM поддерживает вашу карьеру, которая вознаграждает вас лично, посетив ресурсы Total Rewards.
General Motors стремится быть местом работы, которое не только свободно от незаконной дискриминации, но и действительно способствует инклюзивности и принадлежности. Мы твердо верим, что создание инклюзивной рабочей среды создает условия, в которых наши сотрудники могут процветать и разрабатывать лучшие продукты для наших клиентов.
Все решения о приеме на работу принимаются на недискриминационной основе без учета пола, расы, цвета кожи, национального происхождения, гражданства, религии, возраста, инвалидности, беременности или материнства, сексуальной ориентации, гендерной идентичности, статуса ветерана или ветерана, имеющего особый статус, или любого другого подобного защищенного статуса в соответствии с федеральными, государственными и местными законами.
Мы призываем заинтересованных кандидатов ознакомиться с ключевыми обязанностями и требованиями для каждой должности и подавать заявки на любые вакансии, соответствующие их навыкам и возможностям. Кандидаты в процессе найма могут быть обязаны, где это применимо, успешно пройти одно или несколько оценочных заданий, связанных с должностью, и/или предварительную проверку перед началом работы. Чтобы узнать больше, посетите раздел «Как мы нанимаем».
General Motors предоставляет возможности всем соискателям, включая людей с ограниченными возможностями. Если вам требуется разумное приспособление для помощи в поиске работы или подаче заявления о приеме на работу, напишите нам по электронной почте или позвоните по телефону контакт рекрутера. В своем письме, пожалуйста, укажите описание конкретного приспособления, которое вы запрашиваете, а также название должности и номер заявки на вакансию, на которую вы подаете заявление.
Оценка RocketHunt по реальным зарплатам
Грейд
Senior
Опыт работы
от 8 лет
Формат работы
Удаленно, Гибрид
Тип занятости
Полная занятость
Уровень английского
B2 - Выше среднего
ИИ напишет его по твоему резюме, останется только отправить
