Senior AI Developer (LLM/VLM/Agent Applications)

Job Requisition ID #

25WD93624

La traduction en anglais se trouve plus bas!/The English translation can be found below!

Description du poste

L'équipe Fusion Machine Learning est une équipe multidisciplinaire composée d'ingénieurs et de chercheurs qui développent des solutions d'IA/ML pour résoudre certains des plus grands problèmes liés à la conception 3D, à la fabrication et à l'ingénierie mécanique. Nous recherchons un développeur IA senior expérimenté et passionné par l'utilisation des pratiques LLMOps et AgentOps pour créer et faire évoluer des applications IA intégrant des architectures LLM/VLM et basées sur des agents.

Vous collaborerez avec des chercheurs et des ingénieurs afin d'améliorer en permanence les pipelines de données, de formation et de publication en automatisant les référentiels pour garantir la qualité et l'interopérabilité avec les systèmes de déploiement, et en mettant à niveau le code prototype pour qu'il fonctionne sur une grande infrastructure de formation ML basée sur le cloud.

Vous rendrez compte au responsable Fusion Platform ML et jouerez un rôle essentiel dans la stratégie Autodesk en matière d'IA.

L'équipe est hybride et à distance, répartie entre le Canada et les États-Unis.

Responsabilités

• Développement d'applications d'IA : développer et améliorer des applications d'IA à l'aide de modèles pré-entraînés ou existants (LLM, VLM, modèles CAO 3D) et assurer l'intégration transparente des composants d'IA dans des systèmes logiciels plus vastes
• Intégration de systèmes de bout en bout : créer et intégrer des systèmes et des applications de bout en bout, en mettant l'accent sur la conception du système, l'expérience utilisateur et la logique applicative
• LLMOps et AgentOps : mettre en œuvre et optimiser les pratiques LLMOps et AgentOps
• Automatisation et efficacité opérationnelle : identifier les opportunités de rationalisation des processus, d'automatisation des flux de travail et d'amélioration de la vitesse de recherche et développement
• Meilleures pratiques et gouvernance : promouvoir et établir les meilleures pratiques en matière de qualité du code, de maintenance de l'infrastructure, de gouvernance des modèles, de sécurité et de conformité
• Conception et collaboration : participer aux discussions de conception avec les architectes logiciels et les chercheurs, en assurant une transition fluide entre la recherche et la production. Collaborer avec diverses équipes interfonctionnelles, notamment les chefs de produit et les concepteurs UX

• Diplôme en science des données, informatique, statistiques ou dans un domaine connexe, ou expérience professionnelle équivalente
• Maîtrise de Python et d'au moins un autre langage de programmation couramment utilisé (par exemple, C++, Java, JavaScript, etc.)
• 3 à 5 ans d'expérience en MLOps / DevOps dans un environnement de production
• Expérience des meilleures pratiques du secteur en matière de développement et de maintenance de bases de code complexes
• Esprit d'initiative pour trouver des solutions et résoudre des problèmes de manière autonome
• Capacité à s'adapter à des exigences changeantes et à travailler dans des domaines ambigus
• Capacité à décomposer des problèmes complexes en éléments plus petits et à fournir des solutions claires

• Plus de 8 ans d'expérience dans le développement de logiciels
• Cadres et outils basés sur des agents : connaissance des cadres avancés tels que LangFlow, LlamaIndex, LangGraph et des cadres basés sur des agents. Expérience dans l'évaluation de pipelines basés sur des agents/LLM/multi-composants
• Cadres d'observabilité : expérience avec des cadres d'observabilité tels que Arize, Comet, Phoenix, Langfuse, MLflow, RAGAS, Dynatrace, etc.
• Génération augmentée par la récupération : expérience dans l'utilisation des techniques de génération augmentée par la récupération (RAG)
• Ingénierie contextuelle : expérience dans l'ingénierie contextuelle pour améliorer les performances des modèles d'IA
• Expérience dans la création d'API d'inférence fiables et évolutives (par exemple, Flask, FastAPI)
• Maîtrise des pipelines CI/CD pour les projets d'apprentissage automatique
• Expertise dans les technologies de conteneurisation (par exemple, Docker, Kubernetes) pour l'orchestration et la mise à l'échelle des applications d'apprentissage automatique
• Expérience avec des plateformes d'IA telles que Databricks, SageMaker, Vertex AI, etc.
• Expérience dans le traitement, la formation, le déploiement ou l'exploitation de données dans le cloud (par exemple, AWS, GCP)
• Expérience dans le développement d'applications web et d'API
• Expérience dans la mise en œuvre d'infrastructures en tant que code (IaC) à l'aide d'outils tels que Terraform
• Compréhension des meilleures pratiques en matière de sécurité dans le domaine des MLOps, y compris le chiffrement des données, les contrôles d'accès et les normes de conformité
• La maîtrise des outils d'accélération de l'inférence (ONNX, TensorRT, Triton) pour les environnements d'exécution d'inférence en temps réel et à haut débit est un atout
• Une expérience avec les logiciels de CAO ou dans les secteurs de la conception et de la fabrication est un atout.
• Maîtrise des outils et bibliothèques d'apprentissage automatique, d'apprentissage profond et de modélisation statistique (par exemple, PyTorch, TensorFlow, Pandas, SciKitLearn, PySpark)

• AI Application Development: Develop and enhance AI applications using pre-trained or existing models (LLMs, VLMs, 3D CAD models) and ensure the seamless integration of AI components into larger software systems
• End-to-End System Integration: Build and integrate end-to-end systems and applications, focusing on system design, user experience, and application logic
• LLMOps and AgentOps: Implement and optimize LLMOps and AgentOps practices
• Automation and Operational Efficiency: Identify opportunities to streamline processes, automate workflows, and improve research and development velocity
• Best Practices and Governance: Advocate for and establish best practices in code quality, infrastructure maintenance, model governance, security, and compliance
• Design and Collaboration: Participate in design discussions with software architects and researchers, ensuring smooth transitions from research to production. Collaborate with diverse cross-functional teams including product managers and UX designers

• Degree in Data Science, Computer Science, Statistics, or a related field, or equivalent professional experience
• Proficient in Python and at least one other widely used programming language (e.g., C++, Java, JavaScript, etc.)
• 3-5 years of experience in MLOps / DevOps in a production environment
• Experience with industry best practices for developing and maintaining complex codebases
• Self-starter with the initiative to find solutions and solve problems independently
• Comfortable adapting to changing requirements and working in ambiguous areas
• Ability to break down large problems into smaller components and provide clear solutions

• 8+ years of experience in software development
• Agent-Based Frameworks and Tools: Familiarity with advanced frameworks such as LangFlow, LlamaIndex, LangGraph, and agent-based frameworks. Experience with agent/LLM/multi-component pipeline evaluations
• Observability Frameworks: Experience with observability frameworks like Arize, Comet, Phoenix, Langfuse, MLflow, RAGAS, Dynatrace etc.
• Retrieval-Augmented Generation: Experience leveraging retrieval-augmented generation (RAG) techniques
• Context Engineering: Experience with context engineering for enhancing AI model performance
• Experience building reliable and scalable inference APIs (e.g., Flask, FastAPI)
• Proficiency with CI/CD pipelines for machine learning projects
• Expertise in containerization technologies (e.g., Docker, Kubernetes) for orchestrating and scaling machine learning applications
• Experience with AI platforms like Databricks, SageMaker, Vertex AI, etc.
• Experience with cloud data processing, training, deployment, or operations (e.g., AWS, GCP)
• Experience developing web applications and APIs
• Experience in implementing Infrastructure as Code (IaC) using tools like Terraform
• Understanding of security best practices in MLOps, including data encryption, access controls, and compliance standards
• Familiarity with leveraging inference accelerator tools (ONNX, TensorRT, Triton) for real-time and high throughput inference runtimes is a plus
• Experience with CAD software or in the design and manufacturing industries is a plus
• Familiarity with machine learning, deep learning, and statistical modeling tools and libraries (e.g., PyTorch, TensorFlow, Pandas, SciKitLearn, PySpark)