درباره این نقش
ما در «سینا» به دنبال یک مهندس هوش مصنوعی با دید محصول‌محور (Product-Minded) و توانمند در حل مسئله هستیم. کسی که بتواند راهبری فنی پروژه‌ها را از مرحله‌ی درک نیاز و تحقیقات اولیه، تا پیاده‌سازی مدل، ارزیابی و در نهایت استقرار در محیط عملیاتی بر عهده بگیرد.

شما در این نقش با چالش‌های فنی جذابی در حوزه‌های پردازش متن (NLP)، بینایی ماشین (Computer Vision)، پردازش صوت و مدل‌های چندوجهی (Multi-Modal) سر و کار خواهید داشت.

مسئولیت‌ها و ماموریت‌ها

مدیریت چرخه کامل توسعه (End-to-End): هدایت فنی پروژه از تحلیل مسئله و طراحی راهکار تا کدنویسی، آموزش مدل و تحویل نهایی.

طراحی معماری سیستم‌های هوشمند: توسعه راهکارهای مدرن با ترکیب LLMها، RAG و Agentهای هوشمند در کنار روش‌های کلاسیک یادگیری ماشین.

مهندسی داده و ارزیابی: تدوین استراتژی جمع‌آوری و پاک‌سازی داده‌ها، ساخت دیتاست‌های استاندارد و تعریف سنجه‌های (Metrics) دقیق برای ارزیابی عملکرد مدل در دنیای واقعی.

استقرار و مهندسی نرم‌افزار: تبدیل مدل‌های آزمایشگاهی به سرویس‌های قابل استفاده در پروداکشن با رعایت اصول Clean Code، داکریزیشن (Dockerization) و تضمین مقیاس‌پذیری سیستم.

پژوهش کاربردی: مطالعه مستمر مقالات روز و تبدیل دانش نظری به راهکارهای عملی برای بهبود محصول.

مشارکت تیمی: حضور فعال در جلسات فنی، انجام Code Review دقیق و انتقال دانش به سایر اعضای تیم.

مستندسازی فنی: نگارش مستندات طراحی (Design Docs)، گزارش‌های فنی شفاف و تدوین پروپوزال برای راه‌حل‌های پیشنهادی.

مهارت‌ها و تجربیات مورد نیاز

تسلط عمیق بر Python و کتابخانه‌های استاندارد پردازش داده (NumPy, Pandas, Scikit-learn)

تجربه حرفه‌ای در Deep Learning : تسلط بر PyTorch یا TensorFlow و درک عمیق ریاضیات و چرخه آموزش مدل‌ها.

تخصص در Transformers: تجربه عملی با مدل‌های زبانی/بینایی و کتابخانه‌های، Hugging Face از آموزش تا استنتاج تجربه با ابزارهایGenerative AI: تسلط بر LangChain یاLlamaIndex و تکنیک‌های RAG، Prompt Engineering و Fine-Tuning

دانش پایگاه‌های داده مدرن: تجربه کار با دیتابیس‌های برداری Milvus یا Elasticsearch Vector و دیتابیس‌های گرافی (Neo4j)

تسلط پیشرفته بر Git و روال‌های تیمی:

تسلط بر استراتژی‌های انشعاب‌گیریBranching Strategies مانند GitFlow

تجربه مدیریت Merge/Pull Requestها و فرآیند Code Review

توانایی رفع تداخلات(Conflict Resolution) و مدیریت تاریخچه کامیت‌ها (Rebase/Squash)

آشنایی با مفاهیم CI/CD و اتوماسیون تست‌ها.

مهارت‌های تکمیلی: آشنایی با Docker، تفکر سیستمی و مهارت بالا در مستندسازی.

موارد زیر امتیاز محسوب می‌شوند

تجربه تخصصی در یکی از شاخه‌های Speech (ASR/TTS)، Vision (Detection/OCR) یا Advanced NLP

سابقه انتشار مقاله، مشارکت در پروژه‌های متن‌باز (Open-Source) یا ارائه نمونه‌کارهای موفق.

آشنایی با ابزارهای MLOps و مانیتورینگ عملکرد مدل‌ها.