Be Structured Technology Group
Howmet Aerospace
Cloud & AI Engineer
AUFGABEN
Zusammenfassung der Position
Howmet Engines Shared Services sucht einen Cloud and AI Engineer, der ein eng verbundenes, funktionsübergreifendes Team bei der Unterstützung der IT-Unternehmensinfrastruktur, Cloud-Diensten und der verantwortungsvollen Einführung von künstlicher Intelligenz im gesamten Unternehmen verstärkt. Diese Rolle umfasst das Design, den Aufbau, die Unterstützung und die kontinuierliche Verbesserung von Azure-basierten Daten-, KI- und Integrationsfunktionen, die sichere, zuverlässige und skalierbare Geschäfts- und Fertigungslösungen ermöglichen.
Der erfolgreiche Kandidat kombiniert Erfahrung in Cloud-Engineering, Daten- und KI-Plattformen mit einer starken operativen Disziplin. Sie arbeiten mit Infrastruktur-, Sicherheits-, Anwendungs-, Daten- und Fertigungsteams zusammen, um KI- und machine-learning-Lösungen zu entwickeln und zu operationalisieren, einschließlich deren Integration in Prozesssteuerungsumgebungen. Die Rolle erfordert ein gesundes Urteilsvermögen, exzellente Fähigkeiten zur Fehlerbehebung sowie die Fähigkeit, geschäftliche und operative Anforderungen in unterstützbare technische Lösungen zu übersetzen.
Verantwortlichkeiten
- Design, Implementierung, Verwaltung und Unterstützung von Azure Cloud-Diensten für KI, Daten und Geschäftsanwendungen, einschließlich Rechenleistung, Speicher, Netzwerk, Identität, Sicherheit und Überwachungsfunktionen.
- Aufbau und Unterstützung von machine-learning-Entwicklungs- und Bereitstellungs-Workflows unter Verwendung von Azure Machine Learning, einschließlich Datenaufbereitung, Nachverfolgung von Experimenten, Modellregistrierung, Bereitstellung, Überwachung und Lebenszyklusmanagement.
- Konfiguration und Unterstützung von Azure AI Foundry-Funktionen zur Ermöglichung einer gesteuerten Entwicklung, Evaluierung, Bereitstellung und Überwachung von generativen KI- und anderen KI-Lösungen.
- Unterstützung von Data Scientists, Anwendungsteams und geschäftlichen Stakeholdern bei der Operationalisierung von Modellen für eine zuverlässige Integration in Prozesssteuerungsumgebungen, wobei sichergestellt wird, dass Lösungen angemessen getestet, überwacht, dokumentiert und wartbar sind.
- Entwicklung und Pflege sicherer Integrationsmuster zwischen Cloud-basierten KI-Diensten, Unternehmensanwendungen, Datenplattformen und Fertigungs- oder Betriebstechnologieumgebungen.
- Anwendung von Sicherheits-, Identitäts-, Netzwerk-, Konfigurations-, Protokollierungs- und Datenschutz-Kontrollen gemäß den etablierten Unternehmensstandards und der Architektur.
- Zusammenarbeit mit Cybersicherheits-, Infrastruktur-, Daten-, Anwendungs- und Fertigungsteams zur Identifizierung und Behebung von Schwachstellen, Vorfällen, Konfigurationsproblemen und operativen Risiken.
- Überwachung von KI- und Cloud-Diensten hinsichtlich Verfügbarkeit, Leistung, Kosten, Modellqualität, Drift und operativem Zustand; zeitnahe Untersuchung und Behebung von Problemen.
- Beitrag zur Kapazitätsplanung, Leistungsoptimierung, Hochverfügbarkeit, Sicherung, Notfallwiederherstellung und Anforderungen an die Geschäftskontinuität für Cloud- und KI-Dienste.
- Automatisierung wiederholbarer Cloud-, KI-, Bereitstellungs- und operativer Aktivitäten unter Verwendung von Skripting und Infrastructure-as-Code-Praktiken.
- Pflege präziser technischer Dokumentationen, einschließlich Architekturen, Integrationen, operativer Runbooks, Support-Verfahren und Lösungskonfigurationen.
- Teilnahme am gesamten Technologie-Lebenszyklus, einschließlich Anforderungserhebung, Design, Test, Implementierung, Upgrades und kontinuierlicher Verbesserung.
QUALIFIKATIONEN
Grundlegende Qualifikationen
- Bachelor-Abschluss in Informatik, Informationstechnologie, Ingenieurwesen, Data Science oder einem verwandten Fachbereich; oder sechs Jahre relevante gleichwertige Erfahrung.
- Drei oder mehr Jahre Erfahrung in der Unterstützung von Cloud-, Daten-, KI-, machine-learning-, Software- oder hybriden Technologieumgebungen.
- Erfahrung mit Microsoft Azure-Diensten und Cloud-Infrastrukturkonzepten, einschließlich Identität, Netzwerk, Sicherheit, Rechenleistung, Speicher und Überwachung.
- Erfahrung in der Entwicklung, Bereitstellung, Unterstützung oder Integration von Daten-, Analyse-, machine-learning- oder KI-Lösungen.
- Fähigkeit, effektiv mit technischen und nicht-technischen Stakeholdern in einer Fertigungs- oder Unternehmensumgebung zusammenzuarbeiten.
- Bereitschaft und Fähigkeit zu Reisen von bis zu 25% nach Bedarf.
- Mitarbeiter müssen rechtlich zur Arbeit in den Vereinigten Staaten berechtigt sein. Ein Nachweis der Arbeitsberechtigung ist zum Zeitpunkt der Einstellung erforderlich.
- Diese Position erfordert möglicherweise Zugang zu exportkontrollierter Technologie; daher müssen Kandidaten eine U.S. Person gemäß den U.S. Exportkontrollgesetzen sein.
Bevorzugte Qualifikationen
- Erfahrung mit Azure Machine Learning, einschließlich Modelltraining, Registrierung, verwalteten Endpunkten, Pipelines, Überwachung und MLOps-Praktiken.
- Erfahrung mit Azure AI Foundry, Azure OpenAI, Azure KI-Diensten, Prompt Engineering, Modellevaluierung und Kontrollen für verantwortungsvolle KI.
- Erfahrung im Design von Azure-Architekturen, die Cloud-, On-Premises-, Unternehmens- und Betriebstechnologieumgebungen integrieren.
- Erfahrung in der Operationalisierung von machine-learning- oder KI-Modellen für den Produktionseinsatz, einschließlich Bereitstellungsautomatisierung, Modellüberwachung, Drift-Erkennung, Versionierung und Rollback-Ansätzen.
- Vertrautheit mit sicheren Integrationsmustern und Datenflüssen in Prozesssteuerungs-, Fertigungs-, Industrie- oder Betriebstechnologieumgebungen.
- Erfahrung mit Azure DevOps, Git, CI/CD-Pipelines, PowerShell, Python, Terraform, ARM-Templates oder anderen Automatisierungs- und Infrastructure-as-Code-Tools.
- Kenntnisse in Microsoft Entra ID, Azure-Netzwerken, privaten Endpunkten, rollenbasierter Zugriffskontrolle, Protokollierung, Überwachung und Best Practices für Sicherheit.
- Erfahrung mit Datenplattformen, APIs, nachrichtenbasierten Integrationen, SQL, Daten-Pipelines oder Data-Lake-Architekturen.
- Starke Fähigkeiten zur Fehlerbehebung, analytische, organisatorische sowie schriftliche und mündliche Kommunikationsfähigkeiten.
- Fähigkeit, unabhängig zu arbeiten und gleichzeitig effektiv in einem kollaborativen, funktionsübergreifenden Teamumfeld beizutragen.
