AILY LABS اپلیکیشنی برای هوشمندی تصمیم‌گیری مبتنی بر هوش مصنوعی در کسب‌وکارها توسعه می‌دهد. این اپلیکیشن که در پلتفرم‌های موبایل در دسترس است، به تیم‌ها کمک می‌کند سریع‌تر و با اطلاعات بهتر تصمیم بگیرند و بهره‌وری و عملکرد خود را بهبود دهند. این شرکت با نام Aily Labs GmbH ثبت شده و در مونیخ، آلمان مستقر است.
مهندس ارشد هوش مصنوعی/یادگیری ماشین — AILY LABS، اسپانیا (ترکیبی)
رهبری توسعه زیرساخت هوش مصنوعی/یادگیری ماشین عملیاتی برای پلتفرم هوشمندی تصمیم‌گیری سازمانی AILY LABS را بر عهده بگیرید. مدیریت تیمی متشکل از دست‌کم چهار مهندس و هدایت ابتکارهای فنی در سراسر اسپانیا؛ در خلاصه نقش از مادرید یا بارسلونا نام برده شده است.
توضیحات
- خطوط پردازش یادگیری ماشین را از پردازش داده تا استقرار و پایش بسازید و اجرا کنید.
- APIها، ابزارها و کتابخانه‌هایی توسعه دهید که از بیش از ۱۰۰ عضو تیم هوش مصنوعی پشتیبانی کنند.
- یافته‌ها را ارائه کنید، فرصت‌ها را شناسایی کنید و مبانی نرم‌افزاری و هوش مصنوعی محصول را توضیح دهید.
- همکاران تازه‌کار را در کارهای فنی راهنمایی و آموزش دهید.
- پروژه‌های پیچیده و ابتکارهای فنی را از طراحی اولیه تا تحویل هدایت کنید.
- کیفیت مشارکت‌های فردی و خروجی تیم را حفظ کنید.
- در زمینه تبادل داده و معماری با تیم‌های DevOps، Front End، Data Engineering و Back End همکاری کنید.
- تیم دست‌کم چهار نفره مهندسان هوش مصنوعی/یادگیری ماشین را مدیریت و نقشه راه آن را تعیین کنید.
- زیرساخت و خطوط پردازش هوش مصنوعی/یادگیری ماشینِ پشتیبان پلتفرم هوشمندی تصمیم‌گیری AILY LABS را گسترش دهید.
شرایط لازم
- دست‌کم هفت سال تجربه حرفه‌ای.
- پایه‌ای قوی در هوش مصنوعی و یادگیری ماشین.
- تسلط به Python.
- تجربه کار با APIها، Kubernetes، Docker و پلتفرم‌های ابری.
- پایبندی به روش‌های اصولی مهندسی نرم‌افزار.
- تخصص عمیق در هوش مصنوعی/یادگیری ماشین.
- توانایی عالی در حل مسئله.
- تمایل و توانایی هدایت و راهنمایی همکاران تازه‌کار.
- توانایی هدایت هم‌زمان چند ابتکار فنی.
- تسلط بر مجموعه فناوری‌های نوین هوش مصنوعی/یادگیری ماشین، از جمله AWS، FastAPI، Docker، Kubernetes، Python، CI/CD، Airflow، کدنویسی عامل‌محور و هم‌زمانی.
- رویکردی متمرکز بر اثرگذاری و توانایی همکاری در حوزه‌های هوش مصنوعی، کسب‌وکار، مهندسی یادگیری ماشین و محصول.
- همکاری مؤثر با دانشمندان داده، مدیران محصول و مهندسان.
- راحتی در کار با ابهام و رویکردی فعال و عملی متناسب با محیط استارتاپی.