توضیحات
مهندس هوش مصنوعی فول استک با تخصص در ساخت Retrieval-Augmented Generation - RAG با استفاده از هر مدل زبان بزرگ (Large Language Model - LLM):
- تجزیه‌وتحلیل الزامات: درک و تجزیه‌وتحلیل نیازهای خاص کسب‌وکار برای شناسایی این‌که چگونه می‌توان از هوش مصنوعی برای حل مشکلات موجود استفاده کرد.
- انتخاب مدل: تحلیل و انتخاب مناسب‌ترین و موثرترین مدل‌های هوش مصنوعی موجود که نیازهای کسب و کار را برآورده می‌کنند.
- آماده‌سازی داده‌ها: جمع‌آوری، تمیز کردن و آماده‌سازی داده‌های لازم برای آموزش مدل‌های انتخاب شده هوش مصنوعی، اطمینان از کیفیت بالا و مرتبط بودن داده‌ها.
- پیاده‌سازی: استفاده از مدل‌ها و ابزارهای هوش مصنوعی موجود برای توسعه و استقرار راه‌حل‌ها.
- ارزیابی: به طور مستمر عملکرد مدل‌های پیاده‌سازی شده را در برابر اهداف ارزیابی کنید و در صورت لزوم تنظیمات لازم را برای بهینه‌سازی نتایج انجام دهید.
- همکاری: کار با تیم‌های داده و محصول برای فهم بهتر نیازها و ادغام راهکارهای هوش مصنوعی در محصولات.
- به‌روز بمانید: از آخرین پیشرفت‌ها در فناوری‌های هوش مصنوعی و یادگیری ماشین مطلع شوید تا اطمینان حاصل کنید که شرکت در خط مقدم استفاده از این فناوری‌ها باقی می‌ماند.
- یکپارچه‌سازی اجزای RAG (مدل‌های بازیابی، مدل‌های تولید، مدل‌های رتبه‌بندی) در یک خط لوله کاربردی برای بازیابی و تولید اطلاعات کارآمد.
- ساخت برنامه کاربردی مبتنی بر هوش مصنوعی GenAI بر روی AWS Bedrock/Azure OpenAI.
