AI Solution Architect — 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 In qualità di driver chiave dell'innovazione tecnologica, potrai sfruttare tecnologie AI all'avanguardia e architetture avanzate per offrire valore strategico per il business per Roche China. Potrai condurre il design end-to-end, lo sviluppo, il miglioramento iterativo e l'integrazione ecosistemica dei livelli di infrastruttura, piattaforma e adozione delle applicazioni AI, assicurando che tutti i sistemi aderiscano rigorosamente agli standard di sicurezza e conformità aziendali. Siamo alla ricerca di un architetto visionario che combina progettazione di sistemi a livello aziendale, metodologie di ingegneria delle piattaforme, e consegna agile con profonda esperienza AI. La vostra ultima missione è quella di tradurre le capacità AI all'avanguardia in soluzioni sanitarie trasformative e reali. In questo ruolo, sarete responsabili di:

AI Platform Layer Design, Sviluppo e Gestione

• Kubernetes Cluster Management: Guidare l'implementazione, l'amministrazione e la gestione completa del ciclo di vita dei cluster Kubernetes, tra cui scaling nodo, aggiornamenti/rollback, rotazione dei certificati, amministrazione RBAC e riduzioni dei cluster. Sviluppare un codice di automazione robusto per le operazioni di cluster e guidare iniziative di gestione dei cluster federati.
• MLOps Platform Engineering: Architetto, costruire e gestire piattaforme MLOps utilizzando framework open source (ad esempio, Kubeflow, MLFlow) o commerciali (Dataiku, Databricks). Superare il ciclo di vita ML integrando componenti core (WebIDE, FeatureStore, ModelRegistry, AutoML, Pipelines, Model Serving) e implementando metriche per la rilevazione CMCT e Drift.
• LLMOps Architettura: Progettazione e sviluppo di piattaforme per supportare il ciclo di vita di Large Language Model (LLM). Integra componenti LLMOps critici (Data Assets, Model Cards, SFT, OpenAI-Compatible Inference) e operativizza i quadri di fine-tuning e inferenza mainstream (DeepSpeed, TorchTune, vLLM, SGLang).
• AI Gateway & Governance: Progettazione e implementare gateway AI a livello aziendale e piattaforme di integrazione. Stabilire strutture di governance (FinOps, Guardrails, MAAS PrivateLink) e integrare con ecosistemi MAAS nazionali e internazionali (GCP Vertex AI, AWS Bedrock, Azure OpenAI, Ali DashScope).
• Familiarità con almeno un importante framework di formazione su larga scala (ad esempio, Megatron-LM o MindSpore).
• Competenza in Ray sia per la formazione distribuita che per le condotte di inferenza.
• Forte comprensione dei sistemi di scaling e distribuiti a nodo trasversale/multi-nodo, essenziali per il supporto di Modelli di Lingua Grande di prossima generazione (LLM).

Progettazione, sviluppo e gestione dei livelli di applicazione AI

• AI & Agentic Application Development: Architetto, design e sviluppo di applicazioni AI e Agentic altamente scalabili, sfruttando framework mainstream come LangChain e LangGraph.
• Integrazione del sistema: Integrare le applicazioni attraverso strumenti di piattaforma avanzati (Kubernetes, Slurm, MLOps, LLMOps, AI Gateway) e diversi ecosistemi di dati (S3, RDBMS, VectorDB, GraphDB).
• Microservices Architecture & DDD: Drive Domain-Driven Design (DDD) per decomporre le API in base ai requisiti aziendali complessi, definendo i confini di servizio chiari, i contratti e i modelli di dati.
• Team Leadership & Delivery: Organizzare, guidare e team di ingegneria mentore per fornire con successo servizi multi-format, tra cui API, WebUIs, SDKs, CLIs e APP.
• Eccellenza ingegneristica: Stabilire e rispettare standard di codifica rigorosi, protocolli di prova unità/integrazione completi e robusti processi di revisione del codice.
• Backend System Design: Progettazione e ottimizzazione dei sistemi backend utilizzando diversi standard API (REST, gRPC, GraphQL), database techn