Partager cette offre
INDUSTRIALISATION D'UN POC
Sources
- Industrialiser la mise à jour des sources d’information (process, fréquence, alerting …)
- Proposer un dashboard présentant le résultat de l’indexation de ces sources (en cible, il y aura un agent par pays) et des éventuelles anomalies.
- Mettre en place le processus de mise à jour du bot et des sources
Qualité
- Permettre la mise en place et le maintien d’un fort niveau d’accuracy
- Mise en place d’un système de contrôle automatique de la qualité en cas de mise à jour des sources
- Mise en place d’un dashboard sur la mesure de la qualité
LLM Framework
- Mise en place d’un framework llm qui procure à la fois une grande précision dans les réponses, un faible taux d’hallucinations et un temps de réponse faible. Le framewok sera mis en production sur genAI
Sécurisation
- Mise en place de la sécurisation de l’agent pour tout type d’atteinte/usage frauduleux
- Mise en place d’un système de rate limiting par projet et ip
Environnement
- Permettre un fonctionnement du BOT sur les environnements de développement/validation/production
Spécifications
- Spécification technico fonctionnelle complète et claire décrivant la solution mise en place
Profil recherché
Obligatoire :
- Connaissance en Google Cloud Platform (GCP) et VertexAI
- Maitrise de Python
- Maitrise dans la mise en production de system ML
- Maitrise Gitlab CI CD
Expérience des LLM et RAG :
- Démonstration de projets antérieurs ou expérience pratique.
- Création de corpus de données à destination d’une architecture RAG
- Evaluation de la qualité de la qualité des documents en input du RAG
- Maitrise de Prompt engineering
- Evaluation de la performance end to end d’un RAG (qualité des réponses et temps d’inférence) et identification des actions à mettre en place pour améliorer cette performance.
Environnement de travail
Obligatoire :
- Connaissance en Google Cloud Platform (GCP) et VertexAI
- Maitrise de Python
- Maitrise dans la mise en production de system ML
- Maitrise Gitlab CI CD
Expérience des LLM et RAG :
- Démonstration de projets antérieurs ou expérience pratique.
- Création de corpus de données à destination d’une architecture RAG
- Evaluation de la qualité de la qualité des documents en input du RAG
- Maitrise de Prompt engineering
- Evaluation de la performance end to end d’un RAG (qualité des réponses et temps d’inférence) et identification des actions à mettre en place pour améliorer cette performance.
Postulez à cette offre !
Trouvez votre prochaine mission parmi +7 000 offres !
-
Fixez vos conditions
Rémunération, télétravail... Définissez tous les critères importants pour vous.
-
Faites-vous chasser
Les recruteurs viennent directement chercher leurs futurs talents dans notre CVthèque.
-
100% gratuit
Aucune commission prélevée sur votre mission freelance.
