Nivoda
Nivoda
Nivoda بازارگاهی برای الماس و سنگ‌های قیمتی راه‌اندازی کرده که به خرده‌فروشان جواهرات خدمات می‌دهد. این پلتفرم دسترسی به الماس‌های طبیعی، الماس‌های پرورش‌یافته در آزمایشگاه و سنگ‌های قیمتی را فراهم می‌کند و ابزارهایی در اختیار فروشندگان می‌گذارد تا تنوع بیشتری را در فروشگاه و فضای آنلاین خود عرضه کنند. نمایشگاه‌های مجازی و فیدهای الماس به فروشندگان کمک می‌کنند سنگ‌ها را بدون نگهداری کل مجموعه در موجودی، به مشتریان نشان دهند. Nivoda همچنین کنترل کیفیت و لجستیک را هماهنگ می‌کند و در قالب راهکارهای خرده‌فروشی خود، تحویل فوری و شرایط اعتباری انعطاف‌پذیر ارائه می‌دهد.

مهندس ارشد هوش مصنوعی/یادگیری ماشین، دورکاری در ایالات متحده

سامانه‌های رتبه‌بندی، پیشنهاد و جست‌وجوی چندوجهی برای بازار جهانی جواهرات Nivoda و فروشگاه‌های جواهرسازان بسازید. قابلیت‌های یادگیری ماشین در محیط عملیاتی را برای جست‌وجو، کشف محصول و تطبیق تصویر توسعه دهید.

توضیحات

  • زیرساخت جست‌وجوی بازار را برای رتبه‌بندی و جست‌وجوی چندوجهی بسازید و اجرا کنید.
  • سامانه‌های رتبه‌بندی و پیشنهادِ قابل‌پیکربندی و چندمستاجری برای بازار Nivoda و فروشگاه‌های جواهرسازان ایجاد کنید.
  • جست‌وجوی زمینه‌مند و دستیار گفت‌وگوییِ برنامه‌ریزی‌شده را با طراحی پرامپت و روش‌های بازیابی افزوده توسعه دهید.
  • با استفاده از تع嵌ه‌های تصویری، خط لوله‌هایی برای استخراج ویژگی از تصویر و تطبیق تصویر با محصول ایجاد کنید.
  • پیش از اقدام‌های احتمالیِ پُرپیامد، مسیرهای بازیابی و گام‌های تأیید اضافه کنید.
  • ارزیابی جست‌وجو و رتبه‌بندی، از جمله معیارهای آفلاین و آزمایش‌های درهم‌تنیدگی را تعریف و اجرا کنید.
  • خروجی‌های مدل‌های پایه و مدل‌های زبانی بزرگ را ارزیابی و تحت آزمون فشار قرار دهید.
  • مدل‌های رتبه‌بندی و پیشنهاد را در چرخه توسعه ویژگی، آموزش، ارزیابی، استقرار و پایش مدیریت کنید.
  • ارائه مدل در زمان واقعی را برای تأخیر کم زیر بار عملیاتی طراحی و بهینه کنید.
  • برای ساخت زیرساخت و خط لوله‌های یادگیری ماشین از عامل‌های کدنویسی هوش مصنوعی، همراه با چارچوب‌های ارزیابی دقیق، استفاده کنید.
  • به گروه دیسکاوری بپیوندید تا برای بازار جهانی جواهرات، رتبه‌بندی، پیشنهادها، ورودی جست‌وجو، جست‌وجوی زمینه‌مند و گفت‌وگویی و جست‌وجو با بارگذاری تصویر را بسازید.

شرایط لازم

  • ۵ تا ۱۰ سال سابقه حرفه‌ای.
  • تجربه کار با زیرساخت بازیابی اطلاعات مانند Elasticsearch/OpenSearch و Vespa یا پایگاه‌های داده برداری از جمله pgvector، Pinecone یا Weaviate.
  • تجربه یادگیری ماشین کاربردی در رتبه‌بندی و پیشنهاد، شامل یادگیری برای رتبه‌بندی، بازیابی مبتنی بر تع嵌ه و پالایش مشارکتی.
  • تجربه مدیریت مدل‌های یادگیری ماشین در مراحل توسعه ویژگی، آموزش، ارزیابی، استقرار و پایش.
  • تجربه عملیاتی با برنامه‌های پردازش زبان طبیعی و مدل‌های زبانی بزرگ، از جمله طراحی پرامپت، روش‌های بازیابی افزوده و مدیریت سناریوهای بدون نتیجه و بده‌بستان.
  • تجربه ارائه مدل در سامانه‌های بلادرنگِ کم‌تأخیر و زیر بار عملیاتی.
  • توانایی ارزیابی سامانه‌های جست‌وجو و رتبه‌بندی با معیارهای آفلاین و آزمایش‌های درهم‌تنیدگی.
  • تجربه عملی با مدل‌های پایه و مدل‌های زبانی بزرگ، از جمله ارزیابی و آزمون فشار خروجی‌های آن‌ها.
  • تجربه طراحی مدیریت مناسبِ شکست برای سامانه‌های احتمالی.
  • راحتی در استفاده از عامل‌های کدنویسی هوش مصنوعی برای ساخت زیرساخت و خط لوله‌های یادگیری ماشین، همراه با تعهد جدی به ارزیابی و آزمون.
  • رزومه به زبان انگلیسی.
  • ترجیحی: آشنایی با مبانی بینایی ماشین و تع嵌ه‌های تصویری.
  • ترجیحی: تجربه طراحی سامانه‌های قابل‌پیکربندی و چندمستاجری.
  • ترجیحی: تجربه محصولات جست‌وجوی گفت‌وگویی یا دستیارمحور.
  • ترجیحی: تجربه جست‌وجو، رتبه‌بندی یا پیشنهاد در بازارهای آنلاین یا تجارت الکترونیکی.

مزایا

  • ساعت کاری انعطاف‌پذیر.
  • فرهنگ کاری دورکاری‌محور.
  • فرصت‌های رشد حرفه‌ای و یادگیری.
  • مرخصی نامحدود.
  • فرصت پیوستن در دوره گسترش سریع شرکت.