Brillio
Brillio
Brillio یک شرکت مشاوره فناوری است که به سازمان‌های فعال در حوزه‌های بهداشت و درمان، بیمه، لجستیک، خدمات مالی، مخابرات و رسانه، علوم زیستی و خرده‌فروشی کمک می‌کند مسیر تحول دیجیتال را طی کنند. دامنه فعالیت این شرکت شامل تجربه مشتری، داده و هوش مصنوعی، هوش مصنوعی مولد، مهندسی محصول و پلتفرم، و زیرساخت، رایانش ابری و امنیت است. Brillio با ترکیب تخصص مهندسی و دانش حوزه‌های صنعتی، محصولات دیجیتال توسعه می‌دهد و محیط‌های فناوری را به‌روز می‌کند تا کسب‌وکارها بتوانند به نیازهای متغیر بازار و فناوری پاسخ دهند.

دانشمند داده، عامل‌های هوش مصنوعی و RAG

در Brillio عامل‌های هوش مصنوعی و برنامه‌های LLM را برای محیط عملیاتی بسازید و مستقر کنید. روی سامانه‌های RAG، گردش‌کارهای پرامپت و بازیابی، و چارچوب‌های ارزیابی کار کنید.

توضیحات

  • گردش‌کار عامل‌های هوش مصنوعی را از توسعه پرامپت تا استقرار در محیط عملیاتی طراحی کنید
  • خطوط لوله RAG را، از جمله بخش‌بندی، تعبیه‌سازی، رتبه‌بندی و مدیریت بافت، بسازید و بهینه کنید
  • گردش‌کارهای مهندسی پرامپت را با آزمون نظام‌مند و راهبردهای زنجیره استدلال ایجاد کنید
  • عامل‌ها را به پایگاه‌های داده، موتورهای قواعد، سامانه‌های اعتبارسنجی و ابزارهای قالب‌بندی متصل کنید
  • بررسی‌های خودکار کیفیت و لایه‌های اعتبارسنجی را ایجاد کنید
  • راهکارها را ابزارگذاری کنید و برای تدوین چارچوب‌های ارزیابی با دانشمندان داده همکاری کنید
  • راهکارهای AI/ML را در محیط عملیاتی مستقر و نگهداری کنید و به قابلیت اطمینان، پایش و موارد مرزی توجه داشته باشید
  • برای بهبود عملکرد عامل، حلقه‌های بازخوردی بسازید که از بررسی متخصصان استفاده می‌کنند

شرایط لازم

  • ۲ تا ۴ سال سابقه داشته باشید که دست‌کم ۲ سال آن در ساخت برنامه‌های LLM، سامانه‌های RAG یا گردش‌کار عامل‌های هوش مصنوعی باشد
  • در Python مهارت پیشرفته داشته باشید
  • تجربه عملی کار با چارچوب‌های LLM مانند LangChain، LlamaIndex یا ابزارهای مشابه داشته باشید
  • با مهندسی پرامپت و آزمون نظام‌مند پرامپت آشنا باشید
  • معماری‌های RAG، از جمله مدل‌های تعبیه‌سازی، مخازن برداری، راهبردهای بازیابی و رتبه‌بندی مجدد را درک کنید
  • در ساخت گردش‌کارهای چندمرحله‌ای عامل با استفاده از ابزار، منطق شاخه‌ای و مدیریت خطای مقاوم تجربه داشته باشید
  • تجربه استقرار و پایش راهکارهای AI/ML در محیط عملیاتی داشته باشید
  • با ابزارها و چارچوب‌های خط لوله داده مانند KubeFlow، BentoML، Great Expectations یا Evidently AI تجربه داشته باشید

فرصت‌های شغلی مرتبط

Thomson Reuters

دانشمند داده، تحلیل افراد و یادگیری ماشین

Thomson Reuters

در تامسون رویترز محصولات تحلیل منابع انسانی و راهکارهای یادگیری ماشین بسازید و نیازهای کسب‌وکار را به ابزارهای داده‌ای کاربردی تبدیل کنید. برای تحلیل افراد، برنامه‌های React و FastAPI، سامانه‌های Snowflake و گردش‌کارهای مبتنی بر LLM توسعه دهید.

باز کردن