Estados Unidos
Siemens
Stanbridge University
Ingeniero de Software - Sistemas de IA (Go)
RemotoEstados Unidos
Irvine, California, United States
SQLGo
Traducción automática. Consulta el original.
Sobre la oportunidad
Stanbridge University busca Ingenieros de Software – Sistemas de IA (Go) para diseñar, construir y operar sistemas de IA en producción que realicen trabajos complejos y de múltiples etapas de manera fiable y a escala.
Este es un puesto de ingeniería práctico centrado en una clase de problemas desafiantes: flujos de trabajo de IA de larga duración que llaman a modelos, herramientas y APIs externas; mantienen el estado a través de ejecuciones extendidas; producen contenido estructurado y medios generados; interactúan con revisores humanos; se recuperan de fallos parciales; y entregan resultados precisos a los usuarios de manera consistente.
Los desafíos de ingeniería principales van mucho más allá del desarrollo de prompts. Estos sistemas deben tener en cuenta fallos de proveedores y límites de tasa, flujos de trabajo interrumpidos, cambios de estado, comportamiento no determinista de los modelos, resultados incorrectos o no admitidos, latencia y costes variables, y despliegues que ocurren mientras el trabajo está en curso.
El candidato seleccionado combinará un sólido criterio de ingeniería de software y sistemas distribuidos con experiencia práctica en la construcción y operación de aplicaciones respaldadas por LLM, agentes de IA o sistemas basados en agentes en producción.
Te unirás en una etapa en la que aún queda una arquitectura significativa por diseñar y construir. Los ingenieros en este puesto tendrán una propiedad sustancial sobre los patrones, servicios, infraestructura y estándares de ingeniería que dan forma a los sistemas de IA de la Universidad.
Elegibilidad para trabajo remoto
Este puesto es elegible para trabajo remoto para candidatos que residan en estados donde Stanbridge University está actualmente autorizado para emplear empleados remotos. Los estados elegibles actualmente incluyen: Arizona, Colorado, Illinois, Indiana, Kansas, Kentucky, Louisiana, Maryland, Michigan, Minnesota, Nevada, New Jersey, North Carolina, North Dakota, Ohio, Tennessee, Texas y Wisconsin.
Los candidatos deben residir en un estado elegible en el momento de la contratación. La elegibilidad para el trabajo remoto está sujeta a los requisitos de empleo de la Universidad y puede cambiar según los requisitos estatales aplicables.
Entorno de ingeniería
Los problemas de ingeniería abordados por este equipo incluyen:
- Orquestación de flujos de trabajo duraderos: Pipelines de larga duración y múltiples etapas que utilizan estado persistente, colas de trabajo, puntos de control, capacidad de reanudación, ejecución idempotente y recuperación de trabajo interrumpido o huérfano.
- Infraestructura de modelos de múltiples proveedores: Enrutamiento a través de proveedores de modelos comerciales con registros de modelos, controles de tokens y costes, gestión de límites de tasa, reintentos, disyuntores, monitoreo de salud y conmutación por error de proveedores.
- Orquestación de agentes y herramientas: Sistemas en los que los agentes de IA interactúan con herramientas, APIs, fuentes de datos, servicios de aplicaciones y lógica de negocio determinista para completar trabajos de varios pasos.
- Infraestructura de ingeniería de prompts: Tratar los prompts como artefactos de producción controlados por versiones con revisión, pruebas, protección contra regresiones y comportamiento medible.
- Pruebas de sistemas no deterministas: Interacciones de proveedores grabadas y reproducibles, fixtures deterministas, arneses de evaluación, líneas base y pruebas de regresión para el comportamiento de la IA.
- Controles de corrección y calidad: Validación de salida estructurada, evaluación automatizada, requisitos específicos del dominio, verificación de evidencia y salvaguardas contra resultados de modelos seguros pero incorrectos.
- Flujos de trabajo con intervención humana: Etapas de revisión y aprobación dentro de procesos automatizados, incluidos sistemas capaces de responder de forma segura cuando los usuarios modifican el estado o las entradas durante la ejecución.
- Pipelines de medios generados: Sistemas capaces de producir y gestionar documentos, audio, imágenes, vídeo y otros activos generados.
- Arquitectura de servicios de producción: APIs y servicios de backend basados en Go, almacenes de datos relacionales, infraestructura de trabajos, observabilidad e integraciones que respaldan las aplicaciones orientadas al usuario.
- Ingesta segura: Procesamiento de documentos suministrados por el usuario y potencialmente no confiables mientras se mantienen los límites de seguridad y autorización adecuados.
Dos enfoques de ingeniería
Los ingenieros cumplirán con el mismo nivel técnico general, pero pueden aportar una experiencia más profunda en una de las dos áreas:
Plataforma y Pipeline
Centrado en sistemas distribuidos, orquestación de flujos de trabajo, estado duradero, colas de trabajo, recuperación, infraestructura de proveedores, latencia, rendimiento, escalabilidad, fiabilidad y optimización de costes.
Este enfoque es especialmente adecuado para ingenieros de sistemas experimentados que ven los modelos de IA como componentes potentes que introducen un nuevo conjunto de desafíos de sistemas distribuidos y fiabilidad.
Agentes y Calidad
Centrado en la arquitectura de agentes y herramientas, sistemas de prompts, gestión de contexto, marcos de evaluación, pruebas de regresión, modelos de juicio, validación de evidencia y calidad de salida de extremo a extremo.
Este enfoque es especialmente adecuado para ingenieros que abordan el comportamiento de la IA a través de la experimentación, la medición, las pruebas y la mejora sistemática.
Los candidatos pueden indicar un área de preferencia; sin embargo, no se requiere especialización en un área.
Cómo es el éxito
Un ingeniero excepcional en este puesto:
- Construirá flujos de trabajo de IA que operen de manera fiable en producción sin requerir intervención humana rutinaria.
- Diseñará sistemas que se recuperen con elegancia de fallos del proveedor de modelos, ejecución interrumpida, despliegues, límites de tasa y otros fallos parciales.
- Hará que el comportamiento de la IA sea cada vez más medible, reproducible, comprobable y observable en lugar de depender de una evaluación subjetiva.
- Mejorará la calidad de la salida mientras reduce sistemáticamente la latencia y el coste por ejecución.
- Creará patrones de ingeniería duraderos que faciliten y hagan más seguro la introducción de agentes, proveedores, flujos de trabajo y tipos de salida posteriores.
- Identificará cuándo el software determinista debe reemplazar o limitar el comportamiento impulsado por modelos.
- Construirá sistemas cuyos fallos puedan diagnosticarse mediante instrumentación y reproducción en lugar de conjeturas.
- Establecerá una arquitectura y prácticas de ingeniería que se conviertan en componentes fundamentales de las capacidades de IA más amplias de la Universidad.
Condiciones de empleo
- Es posible que se requiera una evaluación relacionada con el trabajo durante el proceso de entrevista.
- Debe ser capaz de realizar cada función esencial de manera satisfactoria y estar físicamente presente en la oficina (a menos que se indique lo contrario).
- Autorización de empleo: Los solicitantes deben estar legalmente autorizados para trabajar en los Estados Unidos. Stanbridge University no proporciona patrocinio de inmigración basado en el empleo ni participa en programas de autorización de trabajo patrocinados por el empleador o dependientes del empleador.
- Patrocinio: El patrocinio ahora o en el futuro podría incluir que Stanbridge University patrocine, complete documentación del empleador, proporcione declaraciones o planes de capacitación, o participe de otro modo en un programa de autorización de trabajo o inmigración basada en el empleo para que una persona comience o continúe su empleo. Stanbridge University no proporciona dicho patrocinio.
- Se llevará a cabo una verificación de empleo para validar la experiencia laboral según los estándares de acreditación.
- Las ofertas de empleo están supeditadas a la finalización exitosa de una verificación de antecedentes.
- Se requieren expedientes académicos oficiales antes de la contratación. Los títulos obtenidos fuera de los Estados Unidos deben ser evaluados por un servicio de evaluación de credenciales reconocido para determinar la equivalencia de títulos en EE. UU. y los cursos de área temática aplicables.
- Se pueden realizar adaptaciones razonables para permitir que las personas con discapacidades realicen las funciones esenciales.
Entorno de trabajo
- Entorno de trabajo profesional y centrado en la tecnología estándar.
- Las tareas se realizan normalmente sentado en un escritorio o estación de trabajo con ordenador.
- El puesto requiere una interacción extensa con ordenadores, entornos de desarrollo de software, servicios en la nube, sistemas de IA e infraestructura técnica.
- Sujeto a colaboración con equipos multifuncionales, requisitos técnicos cambiantes y plazos de proyecto exigentes.
Demandas físicas
- Se sienta regularmente durante períodos prolongados.
- Capacidad física para realizar tareas relacionadas con el departamento.
- Competente en el uso de teclados electrónicos y equipos de oficina.
- Comunicación verbal efectiva por teléfono, videoconferencia y en persona.
- Capacidad para leer letra pequeña, operar ordenadores y entender voces claramente.
- Capaz de levantar, transportar y/o mover objetos que pesen entre 10 y 25 libras según sea necesario.
Valores institucionales
Diversidad e inclusión
El lema de Stanbridge University, “Fuerza a través de la diversidad”, refleja nuestro profundo compromiso de honrar los diversos orígenes de nuestros estudiantes, profesores, personal y comunidades circundantes. Nos esforzamos por construir un entorno de aprendizaje inclusivo y defender prácticas antidiscriminatorias en todos los aspectos de la vida universitaria.
Innovación y tecnología
Adoptamos tecnología de vanguardia para mejorar el aprendizaje de los estudiantes a través de experiencias interactivas y prácticas, incluidos laboratorios de realidad virtual y simulación, asegurando que los estudiantes estén preparados para las demandas de la práctica de la atención médica moderna.
Compromiso comunitario
A través de iniciativas como Stanbridge outREACH, los estudiantes están facultados para retribuir a las comunidades locales y globales, cultivando la compasión, la responsabilidad cívica y la conciencia social.
Empleador de igualdad de oportunidades
Stanbridge University es un empleador de igualdad de oportunidades. Estamos comprometidos a construir un lugar de trabajo diverso e inclusivo. No discriminamos por motivos de raza, color, religión, sexo, origen nacional, edad, discapacidad, información genética, orientación sexual, identidad de género o cualquier otro estado protegido. Se anima a todos los solicitantes calificados a presentar su solicitud.
Funciones esenciales
- Diseñar, desarrollar, probar, desplegar y operar software de calidad de producción y servicios de backend, principalmente utilizando Go (Golang).
- Arquitectar y construir agentes de IA y sistemas basados en agentes capaces de utilizar herramientas, interactuar con APIs, mantener el estado y el contexto, y ejecutar flujos de trabajo complejos de varios pasos.
- Diseñar flujos de trabajo duraderos que puedan establecer puntos de control, reanudar, reintentar, recuperar y continuar la ejecución de forma segura tras fallos parciales o interrupciones del sistema.
- Determinar cómo los modelos, agentes, herramientas, APIs, fuentes de datos, servicios y lógica de aplicación determinista deben dividir las responsabilidades dentro de un sistema de IA, incluyendo reconocer cuándo un modelo de IA no es la solución adecuada.
- Diseñar integraciones entre múltiples proveedores de modelos de IA, incluyendo enrutamiento, conmutación por error, gestión de límites de tasa, monitoreo de salud y estrategias de degradación.
- Construir salvaguardas que incluyan validación de salida estructurada, manejo de errores, reintentos, puertas de calidad, validación de evidencia y mecanismos de recuperación automatizados.
- Desarrollar estrategias de prueba para el comportamiento no determinista de la IA utilizando técnicas como fixtures deterministas, interacciones grabadas y reproducidas, suites de regresión, arneses de evaluación y líneas base de calidad.
- Desarrollar capacidades de observabilidad que incluyan rastreo, métricas, registro, datos de evaluación e historiales de ejecución reproducibles para respaldar la depuración en producción y el análisis de rendimiento.
- Diseñar flujos de trabajo con intervención humana que incorporen revisión, aprobación, intervención y modificación del estado del flujo de trabajo.
- Construir y mantener APIs, servicios de backend, modelos de datos relacionales, infraestructura de procesamiento de trabajos y componentes de aplicación de soporte.
- Desarrollar métodos seguros para ingerir y procesar documentos suministrados por el usuario y otros contenidos externos.
- Optimizar los sistemas para la fiabilidad, latencia, rendimiento, escalabilidad, calidad de salida y coste por ejecución.
- Construir patrones de ingeniería reutilizables y componentes compartidos que simplifiquen la adición de nuevos agentes, proveedores de modelos, herramientas, flujos de trabajo y tipos de salida.
- Hacerse cargo de los problemas técnicos desde la investigación inicial y la arquitectura hasta la implementación, despliegue, monitoreo, resolución de problemas y operación continua en producción.
- Colaborar directamente con las partes interesadas del producto y expertos en el dominio para traducir los requisitos cualitativos en un comportamiento del sistema medible y soluciones técnicas.
- Contribuir a las decisiones arquitectónicas y estándares de ingeniería para aplicaciones impulsadas por IA en toda la Universidad.
Cualificaciones
Requerido
- Experiencia profesional sustancial en el desarrollo y operación de software de producción, con sólida experiencia en Go (Golang) o profundidad demostrada en otro lenguaje de backend con la capacidad de volverse productivo en Go rápidamente.
- Experiencia práctica en el envío de una aplicación respaldada por LLM, agente de IA o sistema basado en agentes a producción y su soporte después del despliegue.
- Sólida comprensión de la arquitectura de aplicaciones de IA, incluyendo cómo interactúan los modelos, agentes, herramientas, APIs, fuentes de datos, servicios y lógica de aplicación.
- Conocimiento demostrado de ingeniería de sistemas distribuidos, incluyendo concurrencia, procesamiento asíncrono, colas, idempotencia, reintentos, fallos parciales, gestión de estado y recuperación.
- Experiencia en el diseño de sistemas que permanecen fiables cuando fallan servicios individuales, proveedores o etapas del flujo de trabajo.
- Disciplina de pruebas demostrada para sistemas que involucran comportamiento no determinista.
- Sólida experiencia en el diseño y consumo de APIs HTTP.
- Experiencia con bases de datos relacionales, SQL y estado de aplicación persistente.
- Experiencia en la construcción, despliegue, monitoreo y resolución de problemas de servicios de backend en entornos de producción.
- Comprensión de la arquitectura de software, pruebas, depuración, observabilidad y prácticas de ingeniería de producción.
- Capacidad para hacerse cargo de forma independiente de problemas técnicos ambiguos desde la investigación hasta la implementación en producción.
- Sólido criterio analítico y capacidad para equilibrar fiabilidad, calidad, rendimiento, complejidad y coste.
Cualificaciones preferidas
- Experiencia con marcos de trabajo de agentes de IA, patrones de orquestación o arquitecturas de agentes personalizadas, incluyendo la comprensión de cuándo un marco de trabajo puede no ser apropiado.
- Experiencia con generación aumentada por recuperación (RAG), embeddings, bases de datos vectoriales, búsqueda semántica o arquitecturas de recuperación de conocimiento.
- Experiencia en el desarrollo de sistemas de evaluación y observabilidad para aplicaciones de LLM, incluyendo rastreo, suites de regresión, paneles de calidad o evaluación automatizada.
- Experiencia con modelos de juicio, validación de salida estructurada, verificación de evidencia u otros mecanismos de control de calidad de IA.
- Experiencia en el diseño de flujos de trabajo con intervención humana que involucren revisión, aprobación, intervención o modificación del estado activo del flujo de trabajo.
- Experiencia con procesamiento de documentos, renderizado de navegador headless, texto a voz, generación de imágenes, generación de vídeo u otros pipelines de medios.
- Experiencia con arquitecturas basadas en eventos, colas de trabajo duraderas y procesamiento asíncrono a escala.
- Experiencia con contenedores, infraestructura en la nube, CI/CD y entornos de despliegue de producción.
- Comprensión de la inyección de prompts, límites de autorización, aislamiento de datos y consideraciones de seguridad cuando los sistemas de IA procesan contenido no confiable.
- Experiencia en el desarrollo de sistemas en entornos donde la precisión de la salida generada conlleva implicaciones operativas, regulatorias, de cumplimiento o de seguridad significativas.
Compensación
La compensación se basa en la educación, la experiencia, las cualificaciones y la equidad interna.
Beneficios para empleados
- Plan de salud (médico, dental y de visión)
- Plan de jubilación (401k)
- Emocionantes eventos universitarios
- Desafíos estacionales de salud y bienestar motivacionales
- Iniciativas de equilibrio entre vida laboral y personal
- Programa de bienestar en el lugar / Quiropráctico del personal
- Seguro de vida (básico, voluntario y AD&D)
- Tiempo libre remunerado (vacaciones, enfermedad y días festivos)
- Licencia familiar (maternidad, paternidad)
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil