استخدام مهندس هوش مصنوعی (AI Engineer)

مسئولیت‌های کلیدی:

طراحی، پیاده‌سازی و استقرار عامل‌های مبتنی بر مدل‌های زبانی بزرگ (LLM) که بتوانند به‌صورت خودکار وظایف را انجام دهند، تصمیم‌گیری کنند و با کاربران یا سیستم‌ها تعامل داشته باشند تا فرآیندها را خودکارسازی کنند.

توسعه و بهینه‌سازی پایپ‌لاین‌های مبتنی بر تولید تقویت‌شده با بازیابی (RAG) برای دسترسی بلادرنگ به منابع داده داخلی و خارجی با استفاده از embedding‌ها، vector store‌ها و سازوکارهای جست‌وجوی معنایی.

تعریف و ساخت ابزارها، سیستم‌های حافظه و قابلیت‌های عامل‌ها، شامل ماژول‌های برنامه‌ریزی، حافظه پویا و مؤلفه‌های ردیابی وضعیت برای افزایش عملکرد عامل‌ها در جلسات طولانی یا وظایف پیچیده.

ساخت و سازماندهی سیستم‌های چندعاملی (Multi-Agent Systems) که در آن چند عامل هوشمند بتوانند با هم همکاری کنند، دانش به اشتراک بگذارند و وظایف را برای رسیدن به اهداف پیچیده تقسیم نمایند.

یکپارچه‌سازی قابلیت‌های هوش مصنوعی در فرآیندهای واقعی کسب‌وکار، با هم‌تراز کردن عامل‌های LLM با جریان‌های کاری سازمانی، پایگاه‌های دانش و اهداف خودکارسازی.

همکاری با تیم‌های محصول و مهندسی برای تبدیل مفاهیم سطح‌بالای هوش مصنوعی به سامانه‌های نرم‌افزاری مقیاس‌پذیر، قابل اعتماد و قابل نگهداری.

نظارت، آزمایش و بهبود مداوم رفتار عامل‌ها با استفاده از حلقه‌های بازخورد، ارزیابی‌ها و fine-tuning به‌منظور افزایش قابلیت اطمینان، پایداری و نرخ موفقیت در انجام وظایف.

مهارت‌ها و صلاحیت‌های مورد نیاز:

تسلط بالا بر زبان‌های برنامه‌نویسی Python یا JavaScript با تجربه عملی در ساخت سیستم‌های نرم‌افزاری مبتنی بر هوش مصنوعی، طراحی پایپ‌لاین‌ها و مدیریت جریان‌های کاری asynchronous.

تخصص در فریم‌ورک‌هایی مانند LangChain، Hugging Face Transformers و LangGraph با تجربه عملی در طراحی و اتصال prompt‌ها، ابزارها، ماژول‌های حافظه و APIهای خارجی.

درک عمیق از ساختارهای orchestration مدل‌های زبانی بزرگ، از جمله معماری عامل‌ها، سازوکار فراخوانی ابزارها و راهبردهای prompt engineering برای انواع وظایف استدلالی.

پایه‌ی قوی در اصول مهندسی نرم‌افزار از جمله کدنویسی تمیز (clean code)، کنترل نسخه (مثل Git)، معماری ماژولار و استفاده از Docker و Docker Compose برای containerization.

تجربه در مهندسی داده، شامل جمع‌آوری، برچسب‌گذاری، فیلتر کردن، افزایش (augmentation) و تبدیل داده‌ها متناسب با کاربردهای NLP و مدل‌های زبانی بزرگ.

آشنایی با روش‌های fine-tuning و سازگارسازی LLMها مانند Supervised Fine-Tuning (SFT)، Instruction Tuning، Reinforcement Learning with Human Feedback (RLHF) یا روش‌های مبتنی بر LoRA.

توانایی کار در محیط‌های پویا و آزمایشی با قابلیت نمونه‌سازی سریع، اعتبارسنجی ایده‌ها و بهبود عملکرد از طریق تکرار مداوم.

ثبت آگهی استخدام در جابینجا