استخدام (Machine Learning Engineer (Computer Vision
دستهبندی شغلی
وب، برنامهنویسی و نرمافزار
موقعیت مکانی
تهران
، تهران
نوع همکاری
تمام وقت
حداقل سابقه کار
کمتر از سه سال
حقوق
توافقی
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.
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
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 ۳ 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 شامل:
Supervised و Unsupervised Learning
Loss Functions
Optimization
Regularization
Overfitting و Generalization
Data Leakage
Model Evaluation
تجربه عملی در استفاده یا پیادهسازی معماریهای:
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.
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
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 Series های 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
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
شرکت فناپ در سال ۱۳۸۴ با سرمایهگذاری گروه مالی پاسارگاد و جمعی از متخصصان و کارآفرینان حوزه فناوری اطلاعات و ارتباطات تاسیس شد. ماموریت اولیه آن، ارائه خدمات نرمافزاری و سختافزاری و مدیریت پروژههای فناورانه برای اعضای گروه مالی پاسارگاد بود.
فناپ در آغاز با تمرکز بر نرمافزارهای بانکی فعالیت خود را شروع کرد. اما امروز دامنه خدمات آن فراتر رفته و بانکها، موسسات مالی و اعتباری و شرکتهای بزرگ کشور را نیز در بر میگیرد. این شرکت اکنون در حوزههای متنوعی همچون مالی، بانکی و بیمهای، ارتباطات و مخابرات، حملونقل هوشمند، سلامت هوشمند، مدیریت منابع سازمانی، زیرساخت ابری و مراکز داده، امنیت و هوشمندسازی فرآیندها فعال است.
فناپ با ارائه راهحلهای نوآورانه و مطمئن، به یکی از بازیگران اصلی و اثرگذار صنعت فناوری اطلاعات و ارتباطات در کشور تبدیل شده است.