(Machine Learning Engineer (Computer Vision

شرح موقعیت شغلی

ما در زی‌لب (آزمایشگاه فناوری‌های پیشرفته فناپ) به دنبال یک مهندس یادگیری ماشین با تمرکز بر بینایی ماشین و پردازش تصویر هستیم که به طراحی، توسعه و عملیاتی‌سازی مدل‌های Machine Learning و Deep Learning علاقه‌مند باشد.

در این نقش، فرد موردنظر مسئولیت پیشبرد مسائل واقعی بینایی ماشین را از مرحله شناخت نیازمندی‌ها، تحلیل داده و طراحی رویکرد فنی تا توسعه مدل، آموزش، ارزیابی، بهینه‌سازی و استقرار در محیط عملیاتی بر عهده خواهد داشت.

تمرکز اصلی این موقعیت بر حوزه‌های Computer Vision، Image Processing و Deep Learning است. تجربه در حوزه Remote Sensing و پردازش تصاویر ماهواره‌ای الزامی نیست، اما یک مزیت مهم محسوب می‌شود.

اگر از حل چالش‌های فنی، تحقیق و پیاده‌سازی روش‌های نوین، یادگیری مستمر و همکاری در یک تیم متخصص و پژوهش‌محور لذت می‌برید و به دنبال محیطی هستید که بتوانید در آن رشد کنید و در توسعه راهکارهای مبتنی بر هوش مصنوعی اثرگذار باشید، مشتاق آشنایی با شما هستیم.

نقش شما در تیم

• طراحی و توسعه مدل‌های یادگیری ماشین و یادگیری عمیق با تمرکز بر مسائل بینایی ماشین، شامل تحلیل مسئله، تعریف رویکرد فنی و انتخاب معماری مناسب مدل
• طراحی و پیاده‌سازی فرآیندهای آماده‌سازی، پاک‌سازی و پیش‌پردازش داده‌ها
• توسعه مدل در وظایفی مانند: Image Classification، Object Detection، Image Segmentation، Object Tracking، Anomaly Detection، OCR و Document Understanding، Pose Estimation، Action Recognition
• آموزش، ارزیابی و بهینه‌سازی مدل‌ها بر اساس معیارهای فنی و نیازمندی‌های محصول، همراه با انجام Error Analysis و شناسایی دلایل ضعف مدل در سناریوهای واقعی
• طراحی و توسعه Pipelineهای آموزش و استنتاج و بهینه‌سازی مدل‌ها از نظر دقت، سرعت، مصرف حافظه و هزینه پردازشی
• استقرار مدل‌ها در محیط‌های عملیاتی، سرویس‌های Backend، Edge Device یا GPU Server
• همکاری با تیم‌های نرم‌افزار، داده، محصول و زیرساخت برای تبدیل مدل‌های تحقیقاتی به قابلیت‌های قابل استفاده
• طراحی آزمایش‌ها، مقایسه مدل‌ها، مستندسازی نتایج و بررسی و پیاده‌سازی مقالات، معماری‌ها و روش‌های جدید
• مشارکت در تصمیم‌گیری‌های فنی، بازبینی کد و بهبود استانداردهای توسعه تیم
• در سطح Senior، هدایت فنی بخش‌هایی از پروژه، انجام Code Review، Mentoring اعضای کم‌تجربه‌تر و انتقال دانش به سایر اعضای تیم

شرایط احراز

• حداقل 3 سال تجربه کاری مرتبط در حوزه Machine Learning، Deep Learning یا Computer Vision
• تسلط به Python و تجربه عملی در توسعه مدل‌های یادگیری عمیق با PyTorch یا TensorFlow
• تسلط بر مفاهیم پایه یادگیری ماشین و یادگیری عمیق
• تجربه عملی در استفاده یا پیاده‌سازی معماری‌هایی مانند CNN، ResNet، Vision Transformer، YOLO، Faster R-CNN، U-Net، Mask R-CNN
• تسلط به ابزارها و کتابخانه‌های پردازش تصویر مانند OpenCV، Pillow، Albumentations، NumPy
• تجربه در آماده‌سازی Dataset، Data Annotation، Data Augmentation و مدیریت عدم توازن داده‌ها
• توانایی انتخاب و تحلیل معیارهای ارزیابی مانند Precision، Recall، F1-score، IoU، mAP، ROC-AUC
• تجربه کار با Git و فرآیندهای استاندارد توسعه نرم‌افزار
• آشنایی با Linux و محیط‌های توسعه مبتنی بر Docker
• توانایی نوشتن کد تمیز، ماژولار، قابل تست و قابل نگهداری
• توانایی مطالعه و پیاده‌سازی مقالات و مستندات فنی انگلیسی
• توانایی حل مسئله و تبدیل نیازمندی‌های کسب‌وکار و پژوهشی به مسئله قابل حل با Machine Learning
• روحیه کار تیمی، مسئولیت‌پذیری و یادگیری مستمر

انتظارات سطح Senior

• تجربه طراحی End-to-End یک سیستم Machine Learning در محیط Production و انتخاب معماری بر اساس محدودیت‌های واقعی پروژه
• تجربه کار با Datasetهای بزرگ و چالش‌های مربوط به کیفیت داده
• تجربه بهینه‌سازی مدل برای Real-Time Inference یا Edge Deployment و تحلیل Trade-off میان دقت، سرعت، هزینه و پیچیدگی راهکار
• تجربه طراحی Pipelineهای قابل تکرار برای Training، Evaluation و Deployment
• توانایی هدایت فنی پروژه، تقسیم مسئله به بخش‌های اجرایی، Code Review، Mentoring و انتقال دانش به سایر اعضای تیم

مهارت‌های امتیازی

داشتن تجربه در موارد زیر یک مزیت محسوب می‌شود، اما الزامی نیست:

• تجربه در حوزه Remote Sensing و پردازش تصاویر ماهواره‌ای شامل: Sentinel، Landsat، SAR، تصاویر هوایی و پهپادی
• آشنایی با داده‌های Multispectral و Hyperspectral و محاسبه شاخص‌هایی مانند NDVI، NDWI و سایر Spectral Indexها
• آشنایی با مفاهیم GIS شامل: Raster، Vector، GeoTIFF، Shapefile، Coordinate Reference Systems
• تجربه کار با ابزارهایی مانند: GDAL، Rasterio، GeoPandas، QGIS، Google Earth Engine
• تجربه در مسائل مرتبط با: کشاورزی هوشمند، پایش محیطی، معدن، منابع طبیعی، تحلیل تغییرات زمین
• تجربه کار با Time Seriesهای ماهواره‌ای و Spatiotemporal Data
• آشنایی با مدل‌های Vision-Language، Multimodal و Foundation Models مانند SAM و CLIP
• تجربه MLOps و ابزارهایی مانند: MLflow، DVC، Airflow، Kubeflow
• آشنایی با ONNX، TensorRT، OpenVINO، Quantization و Pruning
• تجربه استقرار مدل روی تجهیزات Edge مانند NVIDIA Jetson و آشنایی با سرویس‌های Cloud و زیرساخت‌های GPU
• تجربه کار با FastAPI یا توسعه API برای سرویس‌دهی مدل‌ها

مزایای همکاری در زی‌لب (آزمایشگاه فناوری‌های پیشرفته فناپ)

• حضور در محیطی تخصصی، پژوهش‌محور و نوآورانه
• مشارکت در توسعه فناوری‌ها و راهکارهای پیشرفته مبتنی بر هوش مصنوعی
• فرصت یادگیری و رشد حرفه‌ای در حوزه‌های Machine Learning، Deep Learning و Computer Vision
• همکاری در پروژه‌های چالشی و اثرگذار فناورانه
• دسترسی به فضای تحقیق، توسعه و تجربه فناوری‌های نوین
• همکاری با تیمی متخصص و چندرشته‌ای در اکوسیستم فناپ
• محیط کاری مبتنی بر تعامل، یادگیری و توسعه فردی

اگر فردی مسئولیت‌پذیر، دقیق، علاقه‌مند به تحقیق و توسعه فناوری‌های هوش مصنوعی و متخصص در حوزه مهندسی یادگیری ماشین و بینایی ماشین هستید، مشتاقانه منتظر دریافت رزومه شما خواهیم بود.

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