شرکت دانش بنیان برتینا، یکی از معتبرترین شرکتهای IT در ایران با شعبی در اروپا، جهت توسعه و تقویت تیم هوش مصنوعی خود، به دنبال جذب نیروی متخصص با شرایط زیر میباشد.
این نقش برای افرادی مناسب است که درک عمیق و عملی از سیستمهای هوش مصنوعی پیشرفته دارند و علاقهمندند از جدیدترین فناوریها و مدلهای هوش مصنوعی برای حل مسائل پیچیده استفاده کنند.
ما به دنبال یک متخصص هوش مصنوعی هستیم که تخصص و تجربه مناسبی در پیادهسازی و بهینهسازی مدلهای هوش مصنوعی داشته باشد. این فرد باید توانایی کار با مدلهای هوش مصنوعی پیشرفته مانند Azure, Google Cloud, OpenAI و Llama را داشته باشد و بتواند سیستمها و مدلهای بزرگ هوش مصنوعی را پیادهسازی و بهینهسازی کند. تجربه در پردازش زبان طبیعی (NLP)، مهندسی درخواست (Prompt Engineering) و تکنیکهای Retrieval Augmented Generation (RAG) از اهمیت ویژهای برخوردار است.
مسئولیتهای کلیدی:
- پیادهسازی مدلهای هوش مصنوعی: توسعه و پیادهسازی مدلهای هوش مصنوعی با استفاده از پلتفرمهای پیشرفته مانند Azure, Google Cloud, OpenAI و Llama.
- آشنایی با مبانی یادگیری ماشین و عمیق: تسلط بر مفاهیم تئوری و عملی در زمینه یادگیری ماشین و یادگیری عمیق.
- پردازش زبان طبیعی (NLP): پیادهسازی و بهینهسازی مدلهای NLP برای تحلیل و پردازش دادههای متنی.
- مهندسی درخواست (Prompt Engineering): طراحی و بهینهسازی فرآیندهای مهندسی درخواست برای مدلهای زبانی بزرگ (LLM).
- مدیریت ورودی و خروجیها: کار با انواع ورودیها و خروجیها شامل System Commands، Context، Embeddings و دیگر انواع دادهها.
- Fine-Tuning و تولید داده: انجام فرآیندهای Fine-Tuning مدلهای هوش مصنوعی و تولید دادههای مورد نیاز برای این فرآیندها.
- توسعه باتها و توابع برای LLM: طراحی توابع و باتهای هوش مصنوعی برای LLM.
- بهینهسازی مدلها: بهینهسازی مدلهای هوش مصنوعی از جمله بهینهسازی شبکهها و پردازش دستهای (Batch Processing).
- تجزیه و تحلیل دادهها: استخراج و مرتبسازی دادهها برای بهبود مدلهای هوش مصنوعی.
نیازمندیها:
- تجربه: تجربه در تحقیق و پیادهسازی و توسعه مدلهای هوش مصنوعی و یادگیری ماشین.
- مهارتهای فنی:
- آشنایی با پلتفرمهای هوش مصنوعی: آشنایی با سرویسها و مدلهای Azure, Google Cloud, OpenAI, Llama و GPT.
- تجربه در یادگیری ماشین و یادگیری عمیق: آشنایی با مبانی و کاربردهای یادگیری ماشین و یادگیری عمیق.
- پردازش زبان طبیعی (NLP): تجربه در پیادهسازی و بهینهسازی مدلهای NLP.
- Prompt Engineering: توانایی طراحی و بهینهسازی فرآیندهای Prompt Engineering برای مدلهای زبانی بزرگ.
- تکنیکهای RAG: آشنایی با تکنیک Retrieval Augmented Generation (RAG).
- بهینهسازی هوش مصنوعی: تجربه در بهینهسازی سیستمهای هوش مصنوعی از جمله بهینهسازی شبکهها و Batch Processing.
- کتابخانههای Python: آشنایی با کتابخانههای مورد نیاز برای هوش مصنوعی در Python مانند TensorFlow و PyTorch.
- کار با Git: تجربه کار با سیستمهای کنترل نسخه مانند Git.
- Agile: تجربه کار در چارچوب Agile و همکاری در تیمهای توسعه.
- تجربه عملی در محدودسازی خروجی بر اساس دیتاستهای اختصاصی امتیاز ویژه محسوب میشود.