تیم «آرمان» در شرکت علوم سبز، مجموعه ای از جوانان با انگیزه است که در بخشی از اقدامات خود، روی پروژه‌های نوآورانه در حوزه Machine Learning Engineering و Data Science کار می کند. تمرکز در این بخش، بر توسعه LLM-based Applications، Multi-Agent Architectures و Retrieval-Augmented Generation (RAG) است. ما با بهره‌گیری از ابزارهایی مانند LangChain، LangGraph، LlamaIndex، Vector Databases (Qdrant, FAISS, Chroma) و Knowledge Graphs (Neo4j, GraphRAG)، زیرساخت‌های هوشمند و مقیاس‌پذیر طراحی می‌کنیم.

اگر در توسعه چت‌بات‌ها و سیستم‌های هوش مصنوعی مولد، تجربه دارید و توانا هستید که با LLMها، سیستم‌های چندعامل و معماری‌های RAG راه‌حل‌های هوشمند و مقیاس‌پذیر طراحی کنید، دعوت می کنیم به تیم ما بپیوندید.

وظایف:
- طراحی و نگهداری چت‌بات‌های مبتنی بر LLM
- توسعه سیستم‌های Multi-Agent (LangGraph / LangChain Agents)
- پیاده‌سازی معماری RAG (Embedding, Vector Store, Fusion, Reranking)
- کار با پایگاه داده‌های برداری (Qdrant, FAISS, Chroma)
- ایجاد و مدیریت گراف دانش (Neo4j, GraphRAG)
- پایش و بهبود عملکرد با LangFuse و MLflow
- ارزیابی با DeepEval و متریک‌های سفارشی
- همکاری با تیم محصول و داده برای استقرار مدل‌ها
- مستندسازی کامل فرآیندها و نتایج

مهارت‌ها:
- Python + کتابخانه‌های LangChain, LangGraph, LlamaIndex
- مفاهیم RAG، Embedding، Vector Search
- تجربه با Qdrant, FAISS, Chroma
- آشنایی با Neo4j و Knowledge Graph
- کار با LangFuse, MLflow, DeepEval
- تجربه APIهای LLM (OpenAI, Anthropic, Hugging Face, Ollama)
- مفاهیم MLOps و model tracking

تحصیلات:
کارشناسی/کارشناسی ارشد در کامپیوتر، علوم داده یا هوش مصنوعی

تجربه:
حداقل 1 سال تجربه عملی در پروژه‌های چت‌بات، LLM یا RAG