مهندس یادگیری ماشین و پردازش سیگنال مخابراتی (ML DSP Engineer)

مهندس یادگیری ماشین و پردازش سیگنال (Machine Learning DSP Engineer)
دسته‌بندی شغلی: هوش مصنوعی و یادگیری ماشین / مهندسی مخابرات
سطح ارشدیت: میان‌رده تا ارشد (Mid-Level / Senior)
همکاری: تمام‌وقت / پاره‌وقت / ساعتی (با امکان دورکاری / هیبرید)
شرح شغل و مسئولیت‌ها:
این موقعیت در تقاطع فناوری‌های نوین هوش مصنوعی و پردازش سیگنال‌های دیجیتال قرار دارد. تمرکز شما بر طراحی، اعتبارسنجی و پیاده‌سازی مدل‌های یادگیری عمیق (Deep Learning) متناسب با داده‌های خام ورودی (I/Q Data) خواهد بود.

• توسعه و آموزش مدل‌های یادگیری عمیق بر روی داده‌های خام نمونه‌های I/Q و اسپکتروگرام‌ها (Spectrograms) و فیچرهای مخابراتی
• ادغام الگوریتم‌های پردازش سیگنال و فیلترینگ کلاسیک با شبکه‌های عصبی عمیق (Deep Neural Networks)
• کاهش تاخیر پردازشی و بهینه‌سازی خطوط لوله (Pipelines) پیش‌پردازش و استنتاج مدل به منظور پاسخ‌دهی بلادرنگ به داده‌های ورودی
• اجرای تست‌های آماری و ارزیابی رفتار مدل در مواجهه با شرایط محیطی پیچیده و تغییرات کانال
• رصد آخرین دستاوردهای علمی در حوزه یادگیری ماشین روی سیگنال‌های مخابراتی و آمادگی برای یادگیری رویکردهای نوین

شرایط احراز شغل:
تحصیلات: حداقل کارشناسی (ترجیحاً کارشناسی ارشد) در مهندسی برق (مخابرات/سیستم)، مهندسی کامپیوتر یا هوش مصنوعی
مهارت‌های تخصصی:

• تسلط کامل بر زبان Python و حداقل یکی از فریم‌ورک‌های استاندارد یادگیری عمیق (ترجیحاً PyTorch)
• درک مفاهیم کلیدی پردازش سیگنال‌های دیجیتال (DSP)، فوریه، فیلترها و کار با داده‌های سری‌های زمانی (Time-Series) یا داده‌های مختلط (Complex I/Q)
• درک مناسب از احتمالات مهندسی، آمار و تئوری آشکارسازی (Detection Theory)
• روحیه قوی برای کار در تیم‌های چندتخصصی (Cross-Functional) و پیشبرد مسائل پژوهشی و کاربردی

امتیازهای شغلی:

• تجربه در استقرار مدل‌ها با TensorRT یا ONNX Runtime
• آشنایی با زبان C++ یا مفاهیم برنامه‌نویسی شتاب‌یافته روی GPU
• کلیدواژه‌ها: Machine Learning، Deep Learning، DSP، PyTorch، Signal Processing، IQ Data، Time-Series