استخدام مهندس نرم‌افزار (یادگیری ماشین)

به عنوان مهندس نرم‌افزار  در حوزه یادگیری ماشین، شما مسئول طراحی، توسعه و استقرار راه‌حل‌های یادگیری ماشین برای رفع چالش‌ها و بهره‌گیری از فرصت‌های کسب‌وکار خواهید بود. با تکیه بر تخصص خود در الگوریتم‌های یادگیری ماشین، تحلیل داده‌ها و توسعه نرم‌افزار، با تیم‌های چندرشته‌ای همکاری می‌کنید تا سیستم‌های یادگیری ماشین مقیاس‌پذیر و قابل‌اعتماد را ایجاد کنید.

مسئولیت‌های شغلی
- طراحی، توسعه و استقرار الگوریتم‌ها و مدل‌های یادگیری ماشین برای حل مسائل پیچیده و دستیابی به نتایج تجاری.
- همکاری با دانشمندان داده، مهندسان نرم‌افزار و متخصصان حوزه‌های مختلف برای تعریف نیازمندی‌ها، اهداف و معیارهای موفقیت پروژه.
- جمع‌آوری، پیش‌پردازش و تحلیل مجموعه‌ داده‌های بزرگ برای استخراج ویژگی‌ها و بینش‌های مفید برای مدل‌های یادگیری ماشین.
- توسعه و پیاده‌سازی الگوریتم‌ها و تکنیک‌های یادگیری ماشین، مانند یادگیری نظارت‌شده، یادگیری بدون نظارت و یادگیری عمیق.
- آموزش، ارزیابی و بهینه‌سازی مدل‌های یادگیری ماشین با استفاده از معیارهای عملکرد و تکنیک‌های اعتبارسنجی مناسب.
- استقرار مدل‌های یادگیری ماشین در محیط‌های تولید، با اطمینان از مقیاس‌پذیری، قابلیت اطمینان و عملکرد.
- نظارت و نگهداری سیستم‌های یادگیری ماشین، از جمله نظارت بر عملکرد مدل، آموزش مجدد و مدیریت نسخه‌ها.
- همکاری با تیم‌های مهندسی نرم‌افزار برای یکپارچه‌سازی اجزای یادگیری ماشین در برنامه‌ها و پلتفرم‌های نرم‌افزاری.
- به‌روز نگه داشتن دانش از روندهای صنعت، فناوری‌های نوظهور و بهترین شیوه‌ها در یادگیری ماشین و هوش مصنوعی و به‌کارگیری آن‌ها برای ارتقای قابلیت‌ها و راه‌حل‌های ما.

شرایط احراز
- مدرک کارشناسی یا کارشناسی ارشد در رشته علوم کامپیوتر، مهندسی برق یا رشته مرتبط.
- ۳ سال تجربه در مهندسی نرم‌افزار با تمرکز بر یادگیری ماشین، علم داده یا حوزه‌های مرتبط.
- درک قوی از الگوریتم‌ها، تکنیک‌ها و فریم‌ورک‌های یادگیری ماشین (مانند TensorFlow، PyTorch، scikit-learn).
- تسلط به زبان‌های برنامه‌نویسی مورد استفاده در یادگیری ماشین و تحلیل داده، مانند Python، R یا Julia.
- تجربه در پیش‌پردازش داده‌ها، مهندسی ویژگی‌ها و تکنیک‌های تحلیل داده‌های اکتشافی (EDA).
- آشنایی با پلتفرم‌های رایانش ابری (مانند AWS، Azure، GCP) و فریم‌ورک‌های رایانش توزیع‌شده (مانند Spark) ترجیح داده می‌شود.
- مهارت‌های قوی در حل مسئله، با توانایی تحلیل مسائل پیچیده، عیب‌یابی مشکلات و اجرای راه‌حل‌های مؤثر.
- مهارت‌های ارتباطی و بین‌فردی قوی، با توانایی همکاری مؤثر با تیم‌ها و ذی‌نفعان چندرشته‌ای.