مهندس هوش مصنوعی / Applied AI Engineer (Senior / Mid-Senior)
ما بهدنبال یک مهندس هوش مصنوعی محصولمحور هستیم؛ کسی که فقط مدل نسازد، بلکه سیستم هوشمند واقعی طراحی، پیادهسازی و در مقیاس بالا اجرا کند.
تمرکز این نقش روی AI قابلاعتماد، قابلاندازهگیری و قابلاستفاده در دنیای واقعی است.
مسئولیتها (Responsibilities)
• طراحی و پیادهسازی راهکارهای AI / ML / LLM برای محصولات واقعی
• ساخت و بهینهسازی pipelineهای NLP و LLM (از ingestion تا inference)
• پیادهسازی و بهینهسازی RAG، fine-tuning و prompt engineering
• طراحی سیستمهای هوشمند شامل:
• تحلیل متن، اسناد و دادههای ساختاریافته و غیرساختاریافته
• استخراج دانش، دستهبندی، امتیازدهی، رتبهبندی و پیشبینی
• تبدیل مدلها به سرویسهای production-ready (API، batch job، background worker)
• مانیتورینگ عملکرد مدلها و مدیریت:
• data drift
• model drift
• retraining
• همکاری نزدیک با تیم بکاند، محصول و زیرساخت
• مشارکت در تصمیمات معماری و بهبود مقیاسپذیری سیستم
مهارتهای الزامی (Must Have)
• تجربه عملی کار با LLMها (مثل GPT، LLaMA، Mistral، Claude یا مدلهای مشابه)
• تسلط بالا به Python
• آشنایی عمیق با حداقل یکی از فریمورکهای ML:
• PyTorch
• TensorFlow
• HuggingFace
• تجربه واقعی در یکی یا چند مورد زیر:
• Fine-tuning مدلها
• RAG (Retrieval-Augmented Generation)
• Evaluation و benchmarking مدلها
• درک صحیح از prompt engineering، system design و LLM architecture
• تجربه ساخت API و سرویسهای AI (FastAPI یا مشابه)
• توانایی دیباگ، تست و بهینهسازی مدلها در محیط production
• ذهنیت حل مسئله و توانایی کار مستقل و تیمی
مهارتهای امتیازی (Nice to Have)
• تجربه کار با LLMهای لوکال و self-hosted
• آشنایی با مفاهیم MLOps
• تجربه کار با:
• Docker / Containerization
• CI/CD برای سرویسهای ML
• تجربه طراحی سیستمهای مقیاسپذیر دادهمحور
• آشنایی با سیستمهای real-time یا high-load
• تجربه کار روی محصولات SaaS یا پلتفرمهای دادهمحور
آنچه این موقعیت را متفاوت میکند
• تمرکز روی سیستم هوش مصنوعی واقعی، نه دمو و PoC
• تصمیمسازی معماری، نه فقط اجرای تسک
• پروژههای جدی با دیتا و اثر واقعی
• آزادی فنی بالا و فضای رشد عمیق