Automation Engineer Submission Data and Content Generation & Reuse (AIDCG) - Pharma R&D — Roche

Description complète

Chez Roche vous pouvez vous montrer comme vous-même, embrassé pour les qualités uniques que vous apportez. Notre culture encourage l'expression personnelle, le dialogue ouvert et les liens authentiques, où vous êtes apprécié, accepté et respecté pour qui vous êtes, vous permettant de prospérer à la fois personnellement et professionnellement. C'est ainsi que nous visons à prévenir, à arrêter et à guérir les maladies et à garantir que chacun ait accès aux soins de santé aujourd'hui et pour les générations à venir. Rejoignez Roche, où chaque voix compte.

La position À propos du rôle Nous embauchons un développeur d'agents GenAI pour rejoindre l'initiative AIDCG, un programme de transformation axé sur l'automatisation de flux de travail complexes et multi-étapes de production de documents par l'intermédiaire d'agents d'IA de pointe. Ce rôle combine l'ingénierie avancée GenAI, l'innovation open-source et l'expertise en nuage AWS pour fournir des agents AI de qualité de production qui sont précis, évolutives et hautement sécurisés. Vous concevrez des cadres d'orchestration qui transforment les données brutes non structurées en sorties hautement structurées et conformes.

Description de la zone Responsabilités professionnelles

• Architecture Agentique : Conception, déploiement et mise à l'échelle de systèmes d'orchestration multi-agents et de workflows autonomes utilisant des cadres de pointe.
• Pipelines avancées RAG : Construisez et optimisez des pipelines avancés de génération augmentée (RAG) sur des ensembles de données massives et hétérogènes (structurées et non structurées).
• Gestion de l'état et de la mémoire : Implémenter une gestion robuste de l'état, des systèmes de mémoire à court/long terme et des boucles d'auto-correction/réflexion au sein des réseaux d'agents.
• Évaluation et garde-corps : Créer et mettre en oeuvre des mesures d'évaluation robustes, des pipelines d'observation et des garde-corps pour la qualité du contenu, la réduction des hallucinations, l'atténuation des biais et les normes de sécurité.
• Optimisation des performances : Surveiller et optimiser le coût de l'inférence de l'IA, latence, débit, utilisation du jeton et fiabilité globale du système.
• Sécurité et contrôle d'accès : Implémenter des contrôles d'accès robustes, le cryptage des données, l'authentification des utilisateurs et l'atténuation rapide des injections sur tous les flux de travail LLM.
• Collaboration et pratiques exemplaires : documenter et partager les profils d'agents réutilisables, les bibliothèques rapides et les composants d'ingénierie entre les équipes techniques interfonctionnelles.

Compétences

Éducation / Expérience

• Expérience démontrée en prenant en main des tâches ambiguës, en menant avec succès des initiatives de petite à moyenne envergure et en agissant comme mentor technique.
• Expérience éprouvée de participation à des initiatives de partage des connaissances, de discours lors d'événements techniques internes et de navigation dynamique de groupe dans des contextes diversifiés.

Compétences techniques

• Développement de GenAI: ingénierie rapide avancée, réglage fin, RAG/GraphRAG, sorties de schéma-contraintes, fonction/appel d'outils, et cache sémantique.
• Cadres mandataires : LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen et DSPy.
• Bases de données vectorielles : FAISS, Milvus, Qdrant, Pinecone, Weaviate et Pgvector .
• LLM Serving & Infra: vLLM, Hugging Face TGI et Ollama (pour le développement local).
• Garde-corps et validation: NeMo Garde-corps, Garde-corps AI, Pydantique et Instructeur .
• LLM Ops & Observability: Ragas, DeepEval, Langfuse, LangSmith et Phoenix.
• Analyse des données : non structuré, Apache Tika, LlamaParse et PDFPlumber.
• Programmation & DevOps: Python (FastAPI, asyncio), API REST/GraphQL, Git, pipelines CI/CD, Docker, Kubernetes et OpenTelemetry.
• Protocoles émergents : Modèle de protocole contextuel (MCP) et normes de communication Agent2

Écosystèmes du SSFE (expérience de base)

• Amazon Bedrock : accès au modèle de fondation, configurations personnalisées et flux de travail des agents gérés.
• Amazon SageMaker: Finissage, hébergement, évaluation et déploiement de LLMs open-source.
• Amazon OpenSearch Service: Recherche vectorielle, recherche hybride et infrastructure de recherche d'entreprise.
• Fonctions d'étape AWS : orchestration multi-étapes et gestion de machines d'état pour pipelines hybrides IA/traditionnels.

Qualités supplémentaires

• Résolution des problèmes : un état d'esprit analytique capable de décomposer des boucles logiques très abstraites et ambiguës en un comportement d'agent prévisible