شرح موقعیت شغلی

ما در گروه فناوری اطلاعات و ارتباطات مهیمن تلاش می‌کنیم با بهره‌گیری از کاربردهای نوین فناوری اطلاعات و ارتباطات، کشور را در مسیر توسعه‌ی دانش بومی این حوزه یاری کنیم تا بتوانیم پاسخ‌گوی نیازهای راهبردی داخلی باشیم.
در حال حاضر، در واحد اصفهان گروه مهیمن، به دنبال جذب مهندس هوش مصنوعی هستیم تا طراحی، آموزش، بهینه‌سازی و استقرار مدل‌های یادگیری ماشین و زبانی (LLM) را در کل چرخه حیات، از داده خام تا بهره‌برداری مقیاس‌پذیر و پایش در محیط تولید، بر عهده بگیرد.

مسئولیت‌ها:

ساخت لوله‌خط‌های داده (جمع‌آوری، پاک‌سازی، برچسب‌گذاری، نسخه‌بندی) برای مدل‌های ASR، OCR، LLM/SLM، مدل های زبانی چندوجهی و زبانی-بینایی (VLM)، بینایی ماشین (YOLO) و NLP
ریزتنظیم مرحله‌ای مدل‌ها (Pre-train، Instruction Tuning، RLHF/DPO) و ارزیابی با معیارهایی مانند WER، CER، F1، BLEU و MMLU
سبک‌سازی مدل‌ها با Distillation، Pruning و Quantization برای اجرا روی GPU محدود و محیط‌های لبه‌ای
استقرار و بهینه‌سازی سرویس‌های Inference با vLLM، TensorRT، ONNX و Triton، با تمرکز بر تأخیر پاسخ‌سازی، هزینه و کیفیت
ساخت لوله‌خط‌های خودکار ریزتنظیم و CI/CD مدل‌ها، و مدیریت انبار خدمات (Harbor، GitLFS، S3، MLflow)
طراحی و بهینه سازی دستیارها و عامل‌های هوشمند (Routing، Tool-use، Multi-agent، Replanning) و چارچوب‌های ارزیابی آن‌ها

شرایط احراز:

تحصیلات

• دانشجوی سال پایانی یا دانش‌آموخته کارشناسی مهندسی یا علوم کامپیوتر.
• داشتن مدرک کارشناسی ارشد یا دکتری مرتبط با هوش مصنوعی و رایانش ابری امتیاز ویژه محسوب می‌شود.
• دانشجویان و دانش‌آموختگان رشته‌های ریاضی کاربردی، آمار و فیزیک نیز در صورت داشتن تجربه اثبات‌شده در حوزه هوش مصنوعی بررسی می‌شوند.

مهارت‌های الزامی

• تسلط کامل بر برنامه‌نویسی با Python و کار با PyTorch.

مهارت‌ها و تجربه‌های فنی

• آشنایی و سابقه کار با SQL و پایگاه‌های داده.
• آشنایی و سابقه کار با Hugging Face و LangChain/LlamaIndex.
• آشنایی با معماری Transformer و روش‌های ریزتنظیم LoRA/QLoRA و RLHF/DPO.
• آشنایی و سابقه کار با Docker، Kubernetes، CI/CD و Terraform.
• آشنایی و سابقه کار با Spark و Airflow برای مهندسی داده.
• آشنایی و سابقه کار با MLflow و W&B برای ردیابی و مدیریت آزمایش‌ها و مدل‌ها.
• پایش کیفیت، عملکرد و هزینه با Grafana، Prometheus و ELK، و مدیریت Rollback و Incident Response.

دانش پایه

• تسلط بر مفاهیم جبر خطی، آمار و احتمال.
• تسلط بر ساختار مدل‌ها و مبدل‌های زبانی.
• آشنایی با سیستم‌های توزیع‌شده و الگوریتم‌ها.
• آگاهی از اصول امنیت مدل‌های زبانی، از جمله Prompt Injection و Data Poisoning.
• درک هزینه محاسباتی GPU و موازنه‌ ی هزینه-کیفیت با توانایی بهینه‌سازی مصرف آن.

مهارت‌های نرم

• داشتن تفکر تحلیلی و توانایی حل مسئله.
• توانایی مستندسازی فنی قوی.
• توانایی کار تیمی در محیط چابک (Agile/Scrum).
• مطالعه مستمر و پیگیری پژوهش‌های روز حوزه هوش مصنوعی.