Machine Learning Engineer

توضیحات

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.