شرح شغل و وظایف
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 مرحله 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) سروکار 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 کتابخانه Hugging Face از آموزش تا استنتاج.
تجربه با ابزارهای Generative AI: تسلط بر LangChain یا LlamaIndex 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، از جمله Branching Strategies مانند GitFlow، مدیریت Merge/Pull Request و فرآیند Code Review، 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.
اولویت استخدام با دوستانی است که با فرآیندهای کاری و حیطه Back-End نیز آشنا باشند و در این زمینه نیز کار کرده باشند.