مهندس یادگیری ماشین | Machine Learning Engineer

ما در ارزش آفرین اطلس به دنبال یک مهندس یادگیری ماشین با تجربه و انگیزه برای پیوستن به تیم پویا و خلاق خود هستیم. شما در این نقش با تیم‌های مختلفی همکاری خواهید کرد و مسئولیت طراحی، توسعه و پیاده‌سازی مدل‌های یادگیری ماشین و یادگیری عمیق برای حل مسائل واقعی کسب‌وکار مرتبط به حوزه مالی و بانکی را به عهده خواهید داشت.

مسئولیت‌ها:

• طراحی، توسعه و بهبود مدل‌های یادگیری ماشین و یادگیری عمیق برای حل مسائل متنوع کسب‌وکار.
• پیاده‌سازی و استقرار مدل‌های یادگیری ماشین در محیط‌های تولید با استفاده از فریم‌ورک‌های وب: Flask ،FastAPI یا Django.
• بهینه‌سازی مدل‌ها و تنظیم هایپرپارامترها به منظور بهبود نتایج.
• کار با داده‌های بزرگ و پیچیده و استفاده از تکنیک‌های پیش‌پردازش داده برای آماده‌سازی آن‌ها.
• پیاده‌سازی و مدیریت چرخه حیات سیستم‌های یادگیری ماشین با استفاده از ابزارهای مرتبط مانند MLflow.
• مستندسازی دقیق فرایندها و ارائه نتایج به تیم‌های فنی و غیرفنی.
• همکاری با تیم‌های داده، توسعه نرم‌افزار و محصول برای توسعه راه‌حل‌های هوش مصنوعی مقیاس‌پذیر.
• همکاری در محیط توسعه Agile و شرکت در جلسات Scrum.

شرایط احراز:

مهارت‌های تخصصی:

• حداقل دو سال سابقه کاری در حوزه مرتبط. 
• حداقل مدرک کارشناسی ارشد در رشته‌های مهندسی کامپیوتر، برق، هوش مصنوعی، یا رشته‌های مرتبط (یا حداقل مدرک کارشناسی در رشته های مهندسی به همراه تجربه حرفه‌ای قوی یا پروژه‌های عملی برجسته).
• تجربه کار با فریم‌ورک‌های وب مانند Flask، FastAPI یا Django در ساخت و توسعه API‌های مقیاس‌پذیر و پایدار.
• تجربه کار با پایگاه داده های رایج.
• مسلط به زبان پایتون و کتابخانه‌های یادگیری ماشین.
• مسلط به اصول و روش‌های یادگیری ماشین و یادگیری عمیق.
• آشنایی با یکی از فریم‌ورک‌های PyTorch یا TensorFlow برای توسعه مدل‌های یادگیری عمیق.
• آشنایی با مبانی NLP و مفاهیم مدل های زبانی.
• آشنایی با مدیریت چرخه حیات سیستم‌های یادگیری ماشین و ابزارهای مرتبط مانند MLflow.
• آشنایی با ابزارهای کنترل نسخه مانند Git.
• آشنایی با پایگاه داده‌های NoSQL مانند MongoDB.
• آشنایی با مفاهیم توسعه Agile مانند Scrum.

مهارت‌های امتیازی:

• آشنایی با Docker و Kubernetes برای مدیریت محیط‌ های توسعه و تولید.
• آشنایی با نحوه کار چت بات‌ها.
• آشنایی با سیستم های پیشنهاد دهنده و تجربه کار با آن‌ها.
• آشنایی با حوزه‌های مالی و بانکی و استفاده از مدل‌های هوش مصنوعی برای حل مسائل این حوزه.

مهارت‌های عمومی:

• توانایی تحلیل مسائل پیچیده و ارائه راه‌حل‌های نوآورانه و خلاقانه در حوزه یادگیری ماشین و هوش مصنوعی.
• توانایی برقراری ارتباط موثر درون تیمی و با تیم‌های مختلف.
• دقت و توجه بالا به جزئیات و علاقه به یادگیری مداوم و استفاده از تکنولوژی‌های جدید.

At Afarin Atlas, we are looking for an experienced and motivated Machine Learning Engineer to join our dynamic and creative team. In this role, you will collaborate with different teams and be responsible for designing, developing and implementing machine learning and deep learning models to solve real business problems related to finance and banking.
Responsibilities:
• Designing, developing and improving machine learning and deep learning models to solve various business problems
• Implementing and deploying machine learning models in production environments using frameworks Web like Flask, FastAPI or Django
• Optimizing models and adjusting hyperparameters to improve results
• Working with large and complex data and using data preprocessing techniques to prepare them
• Implementing and managing the life cycle of machine learning systems using relevant tools such as MLflow
• Accurately documenting processes and presenting results to technical and non-technical teams
• Collaborating with data, software and product development teams for development Scalable artificial intelligence solutions
• Collaborate in an Agile development environment and participate in Scrum sessions
Specialized skills:
• At least 2 years of relevant work experience
• At least a master's degree in computer engineering , electrical, artificial intelligence, or related fields (or at least a bachelor's degree in engineering with strong professional experience or outstanding hands-on projects).
• Experience working with web frameworks such as Flask, FastAPI, or Django in Building and developing scalable and stable APIs
• Experience working with common databases
• Proficiency in Python language and machine learning libraries
• Proficiency in the principles and methods of machine learning and deep learning.< br>• Getting to know one of the PyTorch or TensorFlow frameworks for developing deep learning models. MLflow
• Familiarity with version control tools such as Git
• Familiarity with NoSQL databases such as MongoDB
• Familiarity with Agile development concepts such as Scrum
Bonus skills:
• Familiarity with Docker and Kubernetes for managing development and production environments.
• Familiarity with how chatbots work
• Familiarity with recommender systems and experience working with them
• Familiarity with financial and banking areas and using models artificial intelligence to solve the problems of this field.
General skills:
• Ability to analyze complex issues and provide innovative and creative solutions in the field of machine learning and artificial intelligence
• Ability to communicate effectively within the team and with different teams.
• High accuracy and attention to details and interest in continuous learning and using new technologies