AI Engineer — Roche

Descrizione completa

A Roche potete presentarvi come voi stessi, abbracciati per le qualità uniche che portate. La nostra cultura incoraggia l'espressione personale, il dialogo aperto e i legami genuini, dove siete valorizzati, accettati e rispettati per chi siete, permettendovi di prosperare sia personalmente che professionalmente. Questo è il modo in cui vogliamo prevenire, fermare e curare le malattie e garantire che tutti abbiano accesso alla salute oggi e per le generazioni a venire. Unisciti a Roche, dove ogni voce conta.

La posizione Siamo alla ricerca di un esperto AI Engineer per unire Roche Information Solutions (RIS), portando una forte esperienza nella progettazione, costruzione e nell'ottimizzazione di AI, AI Generativo e ecosistemi multi-agenti. Questo ruolo combina lo sviluppo e l'orchestrazione del modello hands-on con responsabilità per l'architettura del sistema, l'ingegneria rapida e garantire soluzioni altamente scalabili e sicure.

Potrai lavorare a stretto contatto con gli stakeholder aziendali per comprendere i requisiti e fornire soluzioni AI affidabili / flussi di lavoro che sfruttano i dataset aziendali proprietari. Il ruolo richiede di garantire che tutti i sistemi AI siano costruiti in modo sicuro e rimangano pienamente conformi alle normative globali sulla privacy e sulla governance dei dati, trattando i dati sanitari sensibili in linea con gli standard del settore come HIPAA e GDPR.

Il successo in questo ruolo richiede un'esperienza comprovata con l'apprendimento automatico, le piattaforme cloud e i moderni framework AI. Si prevede di costruire sistemi agentici robusti, implementare le migliori pratiche di ingegneria AI recuperabili in un ambiente di tecnologia sanitaria.

ESPERIENZA RICHIESTA, SKILLS & QUALIFICA

• 5-8 anni di esperienza in ML/NLP, AI applicata, ingegneria dei dati o un campo tecnico correlato, tra cui almeno 2–3 anni di esperienza pratica nello sviluppo di soluzioni basate su AI Generative o LLM.
• Esperienza pratica con modelli NLP, basati sui trasformatori e sviluppo di applicazioni LLM utilizzando PyTorch, TensorFlow o Hugging Face Transformers.
• Esperienza pratica con l'applicazione Generative AI e le strutture di agente-orchestrazione come LangChain, LangGraph, LlamaIndex, o CrewAI.
• Esperienza con database vettoriali e tecnologie di ricerca vettoriali come Pinecone, Chroma, o PostgreSQL con pgvector.
• Forte competenza in Python e SQL, con esperienza di preparazione e trasformazione dei dati per lo sviluppo, la valutazione e la produzione di flussi di lavoro AI.
• Sperimenta le tubazioni di recupero della costruzione che coinvolgono la generazione di documenti, la generazione di embedding, l'indicizzazione del vettore, il filtraggio dei metadati, la ricerca della somiglianza e il reranking dei risultati.
• Forti capacità di ingegneria del prompt e del contesto, tra cui progettazione strutturata-output, chiamata degli strumenti e risposte di messa a terra in fonti di dati approvate.
• Provare l'implementazione di ingressi e protezioni di uscita, meccanismi di fallback, valutazioni automatizzate e test di regressione per le applicazioni LLM.
• Competenza nell'implementazione e nella gestione delle soluzioni AI/ML e Generative AI su AWS o su un'altra piattaforma cloud importante, tra cui monitoraggio, scaling, sicurezza, affidabilità e ottimizzazione dei costi.
• Competenza in Git, Docker, pipeline CI/CD automatizzate, test di unità e integrazione, sviluppo API REST e architettura microservices.
• Esperienza con piattaforme di osservazione LLM come Langfuse o LangSmith per tracciare e monitorare le chiamate dei modelli, i flussi di lavoro dell'agente, l'utilizzo degli strumenti, i passaggi di recupero, gli errori, latenza e i costi.
• Esperienza di lavoro in ambienti Agile SAFe/scaled.
• Dimostrata capacità di collaborare tra i team di prodotto, ingegneria, dati, sicurezza informatica, privacy, qualità, regolamentazione e dominio, identificando presto rischi e dipendenze.
• Forte capacità di comunicazione analitica, scritta e verbale, con la capacità di spiegare i trade-off tecnici chiaramente agli stakeholder tecnici e non tecnici.
• Esperienza nell'applicazione dei principi di sicurezza-by-design e privacy-by-design ai sistemi AI che gestiscono dati sensibili, inclusi controlli di accesso meno privati, cripta