Ingeniero de software de IA

Acerca de ExTrac
ExTrac es una empresa de inteligencia de decisiones utilizada por gobiernos, organizaciones de defensa, instituciones financieras y corporaciones que operan en entornos complejos y en rápida evolución. Nuestras capacidades fusionan fuentes de datos seleccionadas, IA de dominio específico y una profunda experiencia humana para transformar la sobrecarga de información en una previsión clara y procesable.
Nuestra ambición es convertirnos en la columna vertebral analítica en la que confían las organizaciones cuando la incertidumbre geopolítica se convierte en una oportunidad o un riesgo estratégico. Más en extrac.ai.

El papel
Buscamos un ingeniero de software para unirse al equipo de inteligencia artificial de ExTrac, creando el coanalista y las funciones analíticas de inteligencia artificial que lo rodean.
Co-Analyst es un sistema multiagente orientado al usuario que trabaja junto con analistas de inteligencia para investigar y redactar informes. Un ciclo de planificación descompone la pregunta de un analista, los fanáticos trabajan con subagentes y reúne los resultados en un informe donde cada reclamo se remonta a la fuente de donde proviene. Debajo se encuentra la recuperación híbrida sobre un gran corpus no estructurado: la intención del analista traducida en filtros estructurados, combinada con palabras clave y búsqueda de vectores densos, en múltiples idiomas y tipos de medios.
El trabajo de agente es la pieza central, pero no todo el trabajo. En un solo trimestre, el trabajo abarca la orquestación de agentes, la recuperación, el análisis de gráficos y los canales de transmisión de larga duración, junto con los servicios y bases de datos subyacentes. Poseerá características y componentes bien definidos de principio a fin en una base de código Python y Go, trabajando junto con ingenieros senior que establecen la dirección técnica, el equipo de datos que posee las canalizaciones de ingesta y un equipo de aprendizaje automático centrado en la investigación que entrena y evalúa los modelos que integramos y servimos. El ciclo es corto: el producto trae una idea, a menudo reciente y no probada, y nuestro trabajo es impulsar una implementación y llevarla a una función de producción. Las nuevas funciones llegan casi semanalmente.
Esta contratación existe para agregar capacidad a los problemas difíciles del equipo de IA: un ingeniero que pueda ofrecer de forma independiente características y componentes bien definidos, y que está trabajando para poseer una mayor parte del sistema de principio a fin.

¿Qué implica el trabajo?
Funciones de IA agentes y analíticas

• Cree y mejore los componentes del bucle del agente en sí: ensamblaje de contexto, selección de herramientas y orquestación de subagente, con la orientación de los ingenieros superiores del equipo.

• Construya las funciones analíticas de IA que la acompañan, desde la construcción de la red hasta los resúmenes que leen los analistas.

• Ayude a demostrar que los cambios son mejoras, realizando experimentos con el tráfico de analistas en vivo detrás de las marcas de funciones.

• Contribuir a acordar qué significa "mejor" para una capacidad y señalar honestamente cuando la evidencia indique que un enfoque prometedor no está funcionando.

• Trabajar con incrustaciones como algo más que una preocupación de recuperación. Los mismos vectores impulsan la construcción de redes y la detección de comunidades.

• Trabajar dentro de un diseño independiente del modelo, intercambiando modelos e incrustaciones en la parte posterior de las evaluaciones del equipo de ML en lugar de limitarse a uno.

Diseño y entrega de servicios.

• Tome un problema bien definido, aclare los requisitos con su jefe o un ingeniero superior y envíelo a producción con controles periódicos en lugar de una supervisión estrecha.

• Funciones y componentes propios de principio a fin dentro de un único sistema, contribuyendo a los debates sobre el diseño y la arquitectura del sistema y asumiendo una mayor parte del trabajo de diseño a medida que se construye el contexto.

• Construir y mantener API utilizadas por equipos internos y clientes, siguiendo los contratos establecidos y las convenciones de control de versiones.

• Trabajar con la capa de almacenamiento como una preocupación de diseño en lugar de un detalle de implementación: esquema, estrategia de indexación y patrones de acceso, en almacenes relacionales, de documentos y vectoriales.

ingeniería de producción

• Cree y opere servicios de soporte en Python y Go, con una propiedad cada vez mayor del diseño, la implementación y las operaciones a medida que crea un historial.

• Ayude a mantener los flujos de trabajo de los agentes dentro de los estándares de producción en cuanto a latencia, costo y confiabilidad, en un sistema donde el no determinismo es un hecho.

• Construir y operar canalizaciones de streaming de larga duración, incluido el comportamiento de almacenamiento en caché y recuperación que las hace viables.

Trabajar con analistas, productos y el equipo de ML

• Trabajar directamente con los analistas que utilizan nuestros productos, convirtiendo lo que encontraron en la práctica en cambios en el sistema.

• Iterar rápidamente frente a una transmisión en vivo de solicitudes de productos, señalando dónde chocan con el trabajo de capacidad a largo plazo.

• Asociarse con el equipo de ML en enfoques agentes, ayudando a llevar conceptos probados a producción y resolviendo los problemas de ingeniería, rendimiento y confiabilidad que una implementación de investigación no tiene por qué.

• Ayudar a integrar y servir los modelos que entrenan y contribuir a la infraestructura de producción en la que se ejecutan sus marcos de evaluación.

Deberías aplicar si

• Ha creado y trabajado en sistemas backend de producción y desea seguir haciéndolo. Pasará más tiempo en servicios, bases de datos y API de Python y Go que en un archivo de solicitud, y conoce la diferencia entre algo que se muestra bien y algo que aguanta la carga de producción, la latencia y el costo.

• Puede trabajar de forma independiente en problemas bien definidos y saber cuándo señalar la ambigüedad o solicitar información en lugar de adivinar. Cuando el enfoque obvio falla, se busca otro antes de intensificar la situación.

• Tiene curiosidad acerca de los marcos agentes y se siente cómodo trabajando sin ellos. La experiencia con ellos es útil, pero construimos la mayor parte de nuestra propia orquestación, porque las abstracciones disponibles en el mercado no han sobrevivido a nuestros requisitos en torno a la evaluación, el control y el rendimiento de la producción.

• Puede tomar una técnica o un artículo reciente, ayudar a impulsar una implementación y razonar claramente sobre si vale la pena seguir adelante.

• No confías en un cambio hasta que lo has medido. Llegar a la evaluación es más un instinto que una ocurrencia tardía...

Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/extracai/ai-software-engineer-london-230361)