Naveera Technology LLC یک شرکت مشاوره فناوری و مهندسی است که با ارائه سامانه‌های عملی و آماده بهره‌برداری، به سازمان‌ها در ایجاد قابلیت‌های مبتنی بر هوش مصنوعی کمک می‌کند. حوزه فعالیت این شرکت مهندسی داده، یادگیری ماشین، هوش مصنوعی مولد، توسعه اپلیکیشن، زیرساخت ابری و عملیات فناوری اطلاعات را دربرمی‌گیرد و شامل خطوط انتقال داده، توسعه مدل‌های GenAI، MLOps و اپلیکیشن‌های سفارشی وب، موبایل و سازمانی است. Naveera از طریق تیم‌های تحویل جهانی، پشتیبانی مهندسی گسترده و مدل مرکز تعالی، به مشتریان حوزه‌های سلامت دیجیتال، فین‌تک، تجارت الکترونیک، لجستیک و دیگر محیط‌های سازمانی خدمات می‌دهد و بر تبدیل داده به هوش کاربردی و فناوری مقیاس‌پذیر تمرکز دارد.
مدیر ارشد مهندسی داده – GCP، هوش مصنوعی/یادگیری ماشین و GenAI (دورکار در آمریکا)
رهبری مهاجرت پلتفرم‌های داده از AWS به GCP و ساخت راهکارهای سازمانی AI/ML، GenAI و MLOps با GCP و Vertex AI. هدایت طرح‌های نوسازی برای یک شریک جهانی مهندسی و خدمات IT.
توضیحات
- رهبری مهاجرت پلتفرم‌های داده سازمانی از AWS به GCP
- معماری پلتفرم‌های داده مقیاس‌پذیر GCP، Data Lakeها و Lakehouseها را طراحی کنید
- راهکارهای AI/ML، هوش مصنوعی مولد، RAG و MLOps را با GCP و Vertex AI توسعه دهید
- خطوط لوله یادگیری ماشین سرتاسری برای آماده‌سازی، آموزش، اعتبارسنجی، استقرار، پایش، آموزش مجدد و مدیریت چرخه عمر بسازید
- خطوط لوله دریافت، تبدیل، embedding، نمایه‌سازی، بازیابی، دسته‌ای، جریانی، ETL و ELT را طراحی کنید
- محیط‌های AWS را ارزیابی و بارهای کاری را به سرویس‌های معادل یا بهتر GCP نگاشت کنید
- نقشه‌های راه مهاجرت شامل مراحل، وابستگی‌ها، ریسک‌ها، برنامه‌های بازگشت و معماری‌های هدف ایجاد کنید
- خطوط لوله بلادرنگ رویدادمحور را با Pub/Sub، Dataflow یا Apache Beam، BigQuery و Cloud Storage طراحی کنید
- مدل‌های داده سازمانی، پارتیشن‌بندی و خوشه‌بندی BigQuery و الگوهای مصرف تحلیلی را ایجاد کنید
- استانداردهایی برای حاکمیت داده، کیفیت، lineage، فراداده، امنیت، حریم خصوصی، کنترل دسترسی و هوش مصنوعی مسئولانه تعیین کنید
- رهبری خودکارسازی Terraform، CI/CD، استقرار، آزمون و ارتقای محیط‌ها را در Dev، QA، UAT و Production بر عهده بگیرید
- با تعریف معیارهای مرجع و SLAها، عملکرد، مقیاس‌پذیری، تأخیر، توان عملیاتی، قابلیت اطمینان و هزینه‌های ابری را بهبود دهید
- مهندسان داده، مهندسان ارشد داده و رهبران فنی را مدیریت و راهنمایی کنید و بازبینی‌های معماری و کد انجام دهید
- پیشرفت مهندسی، ریسک‌های تحویل، وابستگی‌ها و نقاط عطف را پایش کنید
- به‌عنوان تماس فنی اصلی ذی‌نفعان آمریکا فعالیت کنید و با تیم‌های Business، Product، Data Science، BI، DevOps، Security و Analytics همکاری کنید
- نیازهای کسب‌وکار را به راهکارهای فنی تبدیل کنید و تصمیم‌های معماری، برنامه‌های مهاجرت، نقشه‌های راه، ریسک‌ها و مصالحه‌ها را توضیح دهید
شرایط لازم
- بیش از ۱۵ سال تجربه در مهندسی داده GCP، معماری داده، مهندسی ابر، مهندسی AI/ML یا رهبری فناوری مرتبط
- حداقل ۵ سال تجربه عملی در مهندسی داده GCP
- حداقل ۳ سال تجربه عملی در AI/ML و GenAI
- سابقه اثبات‌شده در اجرای پروژه‌های مهاجرت از AWS به GCP
- تجربه قوی در طراحی پلتفرم‌های سازمانی Data Lake و Lakehouse روی GCP
- تسلط عملی بر BigQuery، Google Cloud Storage، Dataflow، Pub/Sub، Cloud Composer، Dataproc، IAM و Terraform
- تجربه انتقال بارهای کاری، خطوط لوله و پلتفرم‌های داده AWS به GCP
- دانش قوی از نگاشت سرویس‌های AWS به GCP، الگوهای مهاجرت، نوسازی و شیوه‌های معماری ابر
- تجربه ساخت و استقرار راهکارهای AI/ML روی GCP با Vertex AI
- تجربه عملی در هوش مصنوعی مولد، برنامه‌های LLM، RAG، embeddingها، جست‌وجوی برداری، مهندسی prompt و دستیارهای هوش مصنوعی سازمانی
- دانش قوی MLOps شامل آموزش، رجیستری مدل، CI/CD/CT، استقرار، پایش، آموزش مجدد، حاکمیت و بازگشت
- تجربه ارائه راهکارهای امن و مسئولانه AI با حریم خصوصی، ارزیابی، کنترل دسترسی، قابلیت حسابرسی و حاکمیت
- مهارت Expert SQL همراه با توانمندی قوی در Python و PySpark
- پیشینه قوی در مدل‌سازی داده، انبار داده، پردازش دسته‌ای و مهندسی داده بلادرنگ
- تجربه در Terraform، Git، GitHub، Cloud Build، CI/CD و خودکارسازی زیرساخت
- تجربه رهبری و راهنمایی تیم‌های مهندسی داده و فنی میان‌وظیفه‌ای
- مهارت‌های ارتباطی قوی و تجربه کار با ذی‌نفعان مستقر در آمریکا
- داشتن گواهی Google Cloud Professional Data Engineer مزیت محسوب می‌شود
- داشتن گواهی Google Cloud Professional Machine Learning Engineer مزیت محسوب می‌شود
- تجربه Vertex AI Agent Builder، Vertex AI Search، Gemini on Vertex AI یا پلتفرم‌های Generative AI سازمانی مزیت محسوب می‌شود
- تجربه dbt، Apache Airflow، Kafka، Apache Spark، Kubernetes، Cloud Run و معماری‌های APIمحور مزیت محسوب می‌شود
- تجربه Dataplex، Data Catalog، lineage، مدیریت فراداده، حاکمیت، master data management و چارچوب‌های کیفیت داده مزیت محسوب می‌شود
- تجربه پشتیبانی از محیط‌های سازمانی یا تحت نظارت با الزامات سخت‌گیرانه حریم خصوصی، امنیت، انطباق، حسابرسی و حاکمیت مزیت محسوب می‌شود
- تخصص فنی باید شامل Python، PyTorch، TensorFlow، Scikit-learn، NLP، deep learning، ML algorithms، GenAI، LLMs، GPT، Gemini، Claude، Llama، prompt engineering، fine-tuning، RAG، embeddings، vector databases، semantic and hybrid search، reranking، LangChain، LlamaIndex، LangGraph، Hugging Face، Transformers، AI agents، agentic workflows، tool or function calling، multi-agent systems، MCP، MLflow، Kubeflow، model registries، deployment، monitoring، CI/CD، Vertex AI، Vertex AI Studio، Vertex AI Pipelines، Model Garden، Vector Search، FastAPI، Flask، REST APIs، SQL، Docker، Kubernetes، GCP، AWS، Azure، BigQuery، Dataflow، Spark، Databricks، data lakes، advanced Python، expert SQL، PySpark، Apache Spark، ETL، ELT، CDC، batch and streaming، event-driven architecture، pipeline development and optimization، enterprise Data Lake and Lakehouse، Medallion Architecture، warehousing، data modeling، dimensional modeling، multi-tenant modeling، schema-on-read and schema-on-write، dbt، Apache Airflow or Cloud Composer، Dataproc، Dataflow or Apache Beam، AWS Glue، Redshift، EMR، Lambda، Kinesis، Athena، CloudWatch، GCS، AWS S3، Pub/Sub، Dataplex، Data Catalog، Terraform، Git or GitHub، Cloud Build، CI/CD، Infrastructure as Code، lineage، metadata management، data quality، monitoring و OpenLineage باشد
مزایا
- کار انعطاف‌پذیر از راه دور
- کار با مشتریان سراسر جهان
- همکاری در محیطی متمرکز بر نوآوری
- دسترسی به فرصت‌های یادگیری و دریافت گواهی‌های مستمر
- رهبری طرح‌های بزرگ نوآوری AI/ML و GCP به‌عنوان Head of Engineering