MLOps Engineer

شرح موقعیت شغلی

ما در زی‌لب (آزمایشگاه فناوری‌های پیشرفته فناپ) به دنبال یک مهندس MLOps برای طراحی، پیاده‌سازی و نگهداری زیرساخت و پایپ‌لاین‌های یادگیری ماشین هستیم؛ فردی که به ایجاد زیرساخت‌های مقیاس‌پذیر، پایدار و قابل اتکا برای محصولات مبتنی بر هوش مصنوعی علاقه‌مند باشد.

در این نقش، فرد موردنظر مسئولیت تبدیل مدل‌های آزمایشی تیم Data Science / AI به سرویس‌های پایدار Production را بر عهده خواهد داشت. تمرکز اصلی این موقعیت بر طراحی و توسعه فرآیندهای MLOps، CI/CD، مانیتورینگ، مستندسازی و مدیریت زیرساخت‌های لینوکسی است.

اگر از حل چالش‌های زیرساختی، خودکارسازی فرآیندها، بهبود قابلیت اطمینان سرویس‌های هوش مصنوعی و همکاری در یک تیم متخصص و فناورانه لذت می‌برید، مشتاق آشنایی با شما هستیم.

نقش شما در تیم

• طراحی و پیاده‌سازی زیرساخت MLOps شامل محیط‌های Dev/Stage/Prod و رعایت اصول امنیت و تفکیک دسترسی
• راه‌اندازی و نگهداری پایپ‌لاین‌های یادگیری ماشین شامل: داده، آموزش، ارزیابی، ثبت نسخه مدل و استقرار
• استقرار و سرویس‌دهی مدل‌های ML کلاسیک و در صورت نیاز LLM با رویکرد CI/CD و قابلیت Rollback
• مدیریت سرورها و سرویس‌های لینوکسی (Ubuntu) شامل: پیکربندی، Hardening و عیب‌یابی زیرساختی
• پیاده‌سازی مانیتورینگ، لاگ و هشدار برای سلامت مدل‌ها و سرویس‌ها شامل: Latency، Throughput، Error Rate و Drift
• همکاری نزدیک با تیم Data Science / AI برای تبدیل مدل‌های آزمایشی به سرویس پایدار Production
• مستندسازی معماری، Runbookها و فرآیندهای عملیاتی

شرایط احراز

• حداقل 3 سال تجربه عملی در DevOps/MLOps یا زیرساخت ML
• تسلط به Python (پیشرفته)
• آشنایی با چرخه حیات مدل، Feature Engineering و ارزیابی مدل (متوسط تا پیشرفته)
• تسلط به Docker (پیشرفته)
• تجربه کار با Swarm یا Kubernetes (متوسط تا پیشرفته)
• تسلط به CI/CD با: GitLab CI، GitHub Actions، AWS CodePipeline (پیشرفته)
• تسلط به Linux شامل: Ubuntu Server، Shell، Networking و Troubleshooting پیشرفته
• تجربه کار با MLflow، Airflow یا ابزار مشابه Orchestration (متوسط)
• تجربه توسعه REST API و استقرار سرویس، ترجیحاً با FastAPI (متوسط تا پیشرفته)
• کار با پایگاه داده ساخت‌یافته و NoSQL در پروژه‌های ML (متوسط)
• زبان انگلیسی در حد مطالعه مستندات فنی و همکاری تیمی (متوسط)
• توانایی تحلیل مسئله، ارائه راهکار فنی و حل چالش‌های زیرساختی
• روحیه کار تیمی، مسئولیت‌پذیری و یادگیری مستمر

مهارت‌های امتیازی

در صورت آشنایی با موارد زیر، اولویت استخدام بالاتر خواهد بود:

• اکوسیستم LLM شامل: vLLM، Text Generation Inference، Ollama
• ابزارهای RAG مانند: LangChain، LlamaIndex، Hugging Face
• Vector Database مانند: Milvus، Qdrant، pgvector
• Observability تخصصی ML/LLM با: Prometheus، Grafana، Langfuse یا ابزار مشابه
• تجربه Secure / On-prem ML و محدودسازی خروج داده (Data Residency)
• PySpark، Kafka و معماری Event-driven برای پایپ‌لاین داده
• آشنایی با محیط‌های Ubuntu LTS و Hardening سازمانی

مزایای همکاری در زی‌لب (آزمایشگاه فناوری‌های پیشرفته فناپ)

• حضور در محیطی تخصصی، فناورانه و نوآورانه
• مشارکت در توسعه زیرساخت‌ها و محصولات مبتنی بر هوش مصنوعی و یادگیری ماشین
• فرصت یادگیری و رشد حرفه‌ای در حوزه‌های MLOps، AI Infrastructure و Cloud Native Technologies
• همکاری در پروژه‌های چالشی و اثرگذار فناورانه
• تعامل نزدیک با تیم‌های Data Science، AI، Software Engineering و زیرساخت
• فعالیت در محیطی مبتنی بر تحقیق، توسعه و نوآوری
• همکاری با تیمی متخصص و چندرشته‌ای در اکوسیستم فناپ
• محیط کاری مبتنی بر تعامل، یادگیری و توسعه فردی

اگر فردی مسئولیت‌پذیر، دقیق، علاقه‌مند به زیرساخت‌های هوش مصنوعی و متخصص در حوزه MLOps و عملیاتی‌سازی مدل‌های یادگیری ماشین هستید، مشتاقانه منتظر دریافت رزومه شما خواهیم بود.

این موقعیت شغلی در تهران و در زی‌لب (آزمایشگاه فناوری‌های پیشرفته فناپ) قرار دارد.