Fullstack Data Engineer - Applied & Agentic AI Systems — Roche

Descrizione completa

A Roche puoi presentarti come te stesso, abbracciato per le qualità uniche che porti. 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 Descrizione del lavoro Il nostro team di ingegneria applicata AI sta cercando un fullstack AI Data Engineer per unire una squadra di sviluppo autonoma di nuova costituzione dedicata a agentic pionieristico, soluzioni basate su LLM. Operando attraverso l'intero ciclo di vita – dall'ideazione iniziale e dalla prototipazione rapida alla distribuzione di livello produttivo e alle operazioni in corso – si architetto l'infrastruttura di dati resiliente necessaria per alimentare l'AI di nuova generazione. Siamo alla ricerca di un esperto in grado di orchestrare set di dati strutturati e non strutturati, implementare database vettoriali ad alte prestazioni e gestire flussi in tempo reale all'interno di ambienti cloud-native. Descrizione della zona A Roche Digital Technology, stiamo avanzando i confini di Applied AI. Il team Applied AI Engineering si concentra sull'architettura, la costruzione e l'utilizzo di soluzioni e servizi AI di alto valore per risolvere complesse sfide aziendali nel settore sanitario. Nel panorama tecnologico del 2026, operiamo in piccoli team agili altamente autonomi (ad esempio, ~9 membri) alimentati da agenti avanzati di codifica (come Claude Code) per sviluppare e spedire soluzioni più velocemente che mai. In questo ambiente altamente regolamentato, la qualità non può essere un ripensamento. Sarete il pilastro fondamentale che assicura i nostri flussi di lavoro agentici rapidamente sviluppati e le applicazioni AI, GenAI e agentic sono sicure, conformi e robuste prima che raggiungano l'utente clinico o aziendale. Responsabilità del lavoro

• Generative AI Application Co-creation: Collabora con ingegneri AI, scienziati di dati, proprietari di prodotti e altri sviluppatori di team Agile per integrare LLM in applicazioni end-user scalabili, robuste, eque e e etiche, concentrandosi sull'esperienza degli utenti, la pertinenza e le prestazioni in tempo reale
• Sviluppo e integrazione dei dati: Progettazione e realizzazione di datadotti scalabili e ad alte prestazioni per applicazioni AI/GenAI, garantendo un'efficace ingestione dei dati, trasformazione, archiviazione e recupero; integrare database diversi, richiedendo la comprensione delle architetture di dati /
• Vector Databases: lavorare con database vettoriali (ad esempio, AWS OpenSearch, Azure AI Search) per facilitare la ricerca scalabile e ad alta velocità di somiglianza e RAG per applicazioni AI generative con dati altamente dimensionali.
• Graph Databases: Lavorare con database di grafici (ad esempio Neo4j, AWS Neptune) per abilitare GraphRAG, sostenere il ragionamento logico multi-hop per i flussi di lavoro agentici, e fornire una spiegazione verificabile per il processo decisionale AI aziendale.
• Ingegneria dei dati basata su cloud: costruire e mantenere soluzioni di dati basate su cloud utilizzando AWS (OpenSearch, S3) o Azure (Azure AI Search, Azure Blob Storage)
• Attuazione del fiocco di neve: progettare e ottimizzare la memorizzazione e l'elaborazione dei dati utilizzando Snowflake per soluzioni di analisi scalabili, cloud-native
• Elaborazione e trasformazione dei dati: Sviluppare oleodotti ETL/ELT per consentire l'elaborazione dei dati in tempo reale e batch
• Supporta i flussi di lavoro del modello AI: Collabora con gli ingegneri AI/ML e gli scienziati dei dati per garantire l'integrazione senza soluzione di continuità delle pipeline di dati con i flussi di lavoro di perfezionamento, inferenza e formazione AI
• Ottimizzazione delle prestazioni: Ottimizzare le strategie di archiviazione dei dati, recupero e elaborazione per efficienza, scalabilità e convenienza
• Lifecycle di sviluppo del software: comprendere e sfruttare un ciclo di vita di sviluppo del software agentec (SDLC) nel lavoro quotidiano
• Sicurezza e conformità: Implementare la governance dei dati, le migliori pratiche di sicurezza e le misure di conformità allineate agli standard di Roche
• Monitoraggio e Manutenzione: Impostare il monitoraggio, l'avviso e logging fo