اَبـَرداده، دادهکاوی، سیستمهای مبتنی بر هوشمصنوعی و یادگیری ماشین، سیستمهای توزیعشده یا مقیاسپذیر، شبکهپردازی با تکنیکهای محاسبات با کارآیی بالا و آزمون و کنترل کیفیت نرمافزار.
سحاب به عنوان یک شرکت تخصصی در حوزه علوم داده در سال 1393 متولد شد. رسالت ما در سحاب این است که سازمانها و کسبوکارهای ایرانی را در مسیر دادهمحوری یاری کنیم. سحاب امروز خانه بیش از 170 متخصص در حوزههای مرتبط به دادهمحوری است. این متخصصان دانشاموخته بهترین دانشگاههای ایران و جهان هستند و در کنار هم تلاش میکنند تا برای مسائل مختلف مروبط به داده راهحل ایجاد کنند.
سحاب یک شرکت نرمافزاری دادهمحوره که تمرکزش روی بیگدیتا و خلق ارزش از دل دادههاست. محصولات سحاب در دو لایهٔ پلتفرم و اپلیکیشن توسعه پیدا میکنن و استفاده از هوش مصنوعی، فرصتهای تازهای برای حل مسائل پیچیده و توسعهٔ قابلیتهای هوشمند در این محصولات ایجاد میکنه.
در نقش مهندس هوش مصنوعی، روی طراحی و توسعهٔ راهکارهای مبتنی بر مدلهای یادگیری ماشین و مدلهای زبانی بزرگ کار میکنی؛ از پیادهسازی RAG و مهندسی پرامپت گرفته تا ارزیابی مدلها و تبدیل راهکارهای AI به قابلیتهای نرمافزاری قابلاستفاده. اگه هم به هوش مصنوعی علاقهمندی و هم از مهندسی نرمافزار و حل مسئله لذت میبری، این نقش برای توئه.
کارهایی که انجام میدی طراحی و پیادهسازی راهکارهای مبتنی بر مدلهای زبانی بزرگ (LLM) با استفاده از Prompt Engineering و معماری RAG. طراحی فرضیههای فنی و تحلیلی و اعتبارسنجی اونها با رویکرد دادهمحور. ارزیابی عملکرد مدلهای هوش مصنوعی، شناسایی نقاط ضعف و پیادهسازی راهکارهای بهبود. توسعه و بهینهسازی راهکارهای نرمافزاری مبتنی بر AI با رعایت اصول مهندسی نرمافزار. طراحی و پیادهسازی تستهای نرمافزاری باکیفیت، بهویژه Unit Test، برای اطمینان از صحت عملکرد راهکارها.
مهارتهایی که روش حساب میکنیم حداقل 3 سال تجربه در حوزهٔ مهندسی نرمافزار و هوش مصنوعی. توانایی حل مسئله و آشنایی با الگوریتمها و روشهای پرکاربرد حل مسائل نرمافزاری. توانایی فرضیهسازی، طراحی روشهای آزمون و اعتبارسنجی فرضیهها. آشنایی با مدلهای یادگیری ماشین (ML) و مفاهیم ارزیابی عملکرد مدلها. تسلط بر اصول مهندسی نرمافزار، Clean Code و توانایی توسعهٔ نرمافزار با زبانهای برنامهنویسی، ترجیحاً Java. آشنایی عملی با Hugging Face. آشنایی با Ollama و توانایی استفاده از آن برای اجرای مدلهای زبانی. توانایی پیادهسازی Prompt Engineering و معماری RAG در راهکارهای مبتنی بر LLM. آشنایی با Linux و ابزارهای مرتبط با توسعه و مدیریت زیرساخت نرمافزاری. آشنایی با مصورسازی دادهها و ارائهٔ خروجیهای تحلیلی.
خوشحالتر میشیم اگه اینا رو هم بلد باشی آشنایی با Kubernetes و ابزارهای Monitoring برای استقرار و پایش سرویسهای هوش مصنوعی. آشنایی با SQL و توانایی نوشتن Queryهای بهینه. آشنایی با آمار و احتمال کاربردی برای تحلیل و ارزیابی نتایج مدلها. تجربهٔ کار با vLLM برای استقرار و اجرای مدلهای زبانی. آشنایی با Ansible و ابزارهای خودکارسازی زیرساخت.