ما بهدنبال یک مهندس یادگیری ماشین هستیم که بتواند مدلهای تحلیلی و پیشبینی را از مرحله آزمایش و Notebook به یک سرویس واقعی، قابل ارزیابی و قابل استفاده در محصول تبدیل کند.
این موقعیت برای فردی مناسب است که فقط مدل آموزش نمیدهد، بلکه به کیفیت داده، معیار ارزیابی، استقرار، مانیتورینگ و کاربرد واقعی خروجی مدل نیز اهمیت میدهد.
مسئولیتها
تحلیل داده و انجام Exploratory Data Analysis
طراحی و پیادهسازی مدلهای Machine Learning
Feature Engineering و انتخاب Featureهای مناسب
توسعه مدلهای Classification، Regression، Time-series و Anomaly Detection
طراحی فرآیندهای آموزش و اعتبارسنجی مدل
تعریف معیارهای کمی برای ارزیابی مدلها
تحلیل False Positive و False Negative
پیادهسازی Explainability و Confidence Score
تبدیل مدلها به API یا سرویس قابل استفاده
نسخهبندی مدلها و Datasetها
مانیتورینگ عملکرد مدل در محیط عملیاتی
همکاری با Data Engineer برای آمادهسازی داده
همکاری با Backend و Full-Stack برای یکپارچهسازی مدل با محصول
مستندسازی منطق، محدودیتها و نحوه استفاده از مدل
مهارتهای موردنیاز
تسلط به Python
تسلط به Scikit-learn
آشنایی مناسب با PyTorch یا TensorFlow
تسلط به Pandas و NumPy
درک مناسب از آمار و احتمال
تجربه Feature Engineering
تسلط به معیارهایی مانند Precision، Recall، F1 Score و ROC-AUC
تجربه طراحی Training و Validation Dataset
توانایی تشخیص Overfitting، Data Leakage و Model Bias
تجربه ارائه مدل از طریق FastAPI، Flask یا ابزار مشابه
آشنایی با Git و Docker
توانایی نوشتن کد تمیز، تستپذیر و قابل نگهداری
ابزارهای مدرن توسعه
تجربه استفاده از Codex، Claude Code، GitHub Copilot و ابزارهای مشابه
آشنایی با ابزارهای AI برای تحقیق، تحلیل داده، تولید کد و مستندسازی
توانایی ارزیابی علمی و فنی خروجی مدلها و ابزارهای مولد
موارد زیر مزیت محسوب میشوند
تجربه MLflow یا ابزارهای Model Registry
آشنایی با MLOps
تجربه Model Monitoring و Drift Detection
تجربه مدلهای Time-series
تجربه Predictive Maintenance یا دادههای صنعتی
آشنایی با Graph Analytics
تجربه پردازش Event و Log
آشنایی با LLM، RAG یا Agentها
تجربه استقرار مدل روی زیرساخت On-premise
آشنایی با Kubernetes
خصوصیات فردی مورد انتظار
ذهن تحلیلگر و شکاک نسبت به نتایج ظاهراً خوب
توانایی توضیح مسائل فنی به زبان ساده
علاقه به تحقیق و آزمایش
دقت در ارزیابی و مستندسازی نتایج
خودسازماندهی و مدیریت زمان
توانایی همکاری نزدیک با تیم محصول و داده
تسلط نسبی به زبان انگلیسی
پذیرش بازخورد و آمادگی برای اصلاح فرضیات
مزایای همکاری با رادینتک
حقوق قابل مذاکره متناسب با تجربه و توانمندی
بازنگری دورهای حقوق بر اساس عملکرد و رشد مهارتها