Job Title: Principal Architect - LLM Agents & Multi-Agent Frameworks
Summary: We are looking for a visionary Principal Architect to lead the design, development, and deployment of AI-powered solutions. This role is crucial in shaping our platform's future by architecting intelligent agents and multi-agent frameworks using the latest advancements in Large Language Models (LLMs). The ideal candidate will have over 12 years of software engineering experience, with at least 5 years focused on AI/ML. They will possess deep expertise across the full stack, including frontend frameworks like React and Angular, backend technologies like Node.js and Python, and cloud platforms such as AWS, Azure, or GCP. Responsibilities include leading architectural design, integrating AI agents with core systems, developing APIs, and collaborating with data scientists to fine-tune LLMs. The role also involves establishing ML Ops practices, designing data pipelines, and mentoring junior engineers. Strong problem-solving skills, excellent communication, and a passion for continuous learning are essential.
Responsibilities:
· Lead Architectural Design:
o Define and evolve the overall architecture for LLM-powered agents and multi-agent systems that optimize agent economics over time.
o Design and implement robust, scalable, and maintainable microservices architectures.
o Ensure seamless integration of AI Agents leveraging protocols like MCP with other core systems and databases.
o Oversee the development of APIs and SDKs for internal and external consumption.
· Full-Stack Expertise:
o Possess deep expertise across the full stack, including:
o Frontend: React, Angular, Vue.js, or similar frameworks.
o Backend: Node.js, Python (with frameworks like Flask, Django, or FastAPI), Java, or other relevant languages.
o Database: SQL (MySQL, PostgreSQL), NoSQL (MongoDB, Cassandra), and experience with database design, optimization, and management.
o Cloud Platforms: Any 02 out of AWS, Azure, GCP (experience with serverless computing, containerization, and cloud-native technologies is a must).
· Model Building & Fine-tuning:
o Collaborate with data scientists and ML engineers to fine-tune and optimize LLMs for specific tasks and domains.
o Develop and implement robust model evaluation and monitoring systems such as Arize, LangSmith etc.
o Stay abreast of the latest advancements in LLM research and development.
o Hands-on experience with agent frameworks like MAF, Autogen, AWS Agent Framework, LangGraph etc.
· Prompt Engineering & LLM Integration:
o Develop and refine effective prompting strategies to maximize the performance of LLMs.
o Design and implement mechanisms for safe and reliable LLM integration.
o Address challenges related to bias, hallucinations, and other potential LLM limitations.
· ML Ops & Observability:
o Establish and maintain robust ML Ops practices, including CI/CD pipelines, model versioning, and experiment tracking.
o Implement comprehensive monitoring and observability solutions to track model performance, identify anomalies, and ensure system stability.
· Data Engineering:
o Design and implement data pipelines for efficient data ingestion, transformation, and storage.
o Ensure data quality and security throughout the data lifecycle.
· Team Leadership & Mentorship:
o Guide and mentor junior engineers in best practices for development and deployment of agents.
o Foster a culture of innovation, collaboration, and continuous learning within the team.
Qualifications:
- Proven Experience: 12+ years of experience in software engineering with a strong focus on AI/ML for at least 05 years.
- Deep LLM Expertise: Demonstrated expertise in building and deploying applications powered by LLMs (e.g., GPT, Claude 3.5).
- Full-Stack Proficiency: Strong hands-on experience with frontend, backend, and cloud technologies.
- Architectural Skills: Proven ability to design and implement complex, scalable, and maintainable architectures.
- Data Engineering Skills: Experience with data pipelines, data warehousing, and data analysis.
- ML Ops & Observability: Experience with ML Ops best practices, including CI/CD, model versioning, and monitoring.
- Communication & Collaboration: Excellent communication, collaboration, and leadership skills.
- Strong Problem-Solving & Analytical Skills: Ability to analyze complex problems and develop innovative solutions.
- Continuous Learning: Passion for learning and staying up to date with the latest advancements in AI/ML.
เกี่ยวกับเรา:
ค็อกนิแซนท์ (NASDAQ: CTSH) เป็นผู้ให้บริการด้านเทคโนโลยีและ AI Builder ที่ทำหน้าที่เชื่อมโยงการลงทุนด้าน AI เข้ากับมูลค่าทางธุรกิจขององค์กร ผ่านการพัฒนาโซลูชัน AI แบบฟูลสแตกให้กับลูกค้า ด้วยความเชี่ยวชาญเชิงลึกในอุตสาหกรรม กระบวนการ และวิศวกรรม เรานำบริบทเฉพาะของแต่ละองค์กรไปผสานเข้ากับระบบเทคโนโลยี เพื่อเพิ่มศักยภาพของมนุษย์ สร้างผลลัพธ์ที่จับต้องได้ และช่วยให้องค์กรระดับโลกก้าวนำหน้าในโลกที่เปลี่ยนแปลงอย่างรวดเร็ว ดูข้อมูลเพิ่มเติมได้ที่ www.cognizant.com หรือ @cognizant
ข้อมูลการจ้างงานเพิ่มเติม
ข้อมูลเกี่ยวกับค่าตอบแทนมีความถูกต้อง ณ วันที่ประกาศรับสมัครงานนี้ Cognizant ขอสงวนสิทธิ์ในการแก้ไขข้อมูลดังกล่าวได้ตลอดเวลา ภายใต้กฎหมายที่เกี่ยวข้อง
ผู้สมัครอาจถูกขอให้เข้ารับการสัมภาษณ์แบบพบตัวต่อตัวหรือผ่านการประชุมทางวิดีโอ นอกจากนี้ ผู้สมัครอาจถูกขอให้นำเอกสารประจำตัวที่ออกโดยหน่วยงานของรัฐ หรือบัตรประจำตัวที่ออกโดยรัฐบาลซึ่งยังมีผลบังคับใช้ มาแสดงในระหว่างการสัมภาษณ์แต่ละครั้ง
Cognizant เป็นนายจ้างที่ให้โอกาสอย่างเท่าเทียม การสมัครและการพิจารณาคุณสมบัติของคุณจะไม่ถูกตัดสินจากเชื้อชาติ สีผิว เพศ ศาสนา ความเชื่อ รสนิยมทางเพศ อัตลักษณ์ทางเพศ สัญชาติ ความพิการ ข้อมูลทางพันธุกรรม การตั้งครรภ์ สถานะทหารผ่านศึก หรือคุณลักษณะอื่นใดที่ได้รับการคุ้มครองตามกฎหมายของรัฐบาลกลาง รัฐ หรือท้องถิ่น
