استخدام (Machine Learning Engineer (Computer Vision

شرح موقعیت شغلی

• 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

• 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

• 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

• 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

• 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
• محیط کاری مبتنی بر تعامل، یادگیری و توسعه فردی

مهارت‌های مورد نیاز

• Machine learning
• Machine Vision

حداقل سابقه کار

• کمتر از سه سال

جنسیت

• مهم نیست

وضعیت نظام وظیفه

• مهم‌ نیست

ارسال رزومه