inDrive یک شرکت جهانی در حوزه جابه‌جایی و تحویل است که بازارگاه حمل‌ونقل درخواستی و لجستیک آن، مسافران، رانندگان، پیک‌ها و کسب‌وکارها را به یکدیگر متصل می‌کند. خدمات این شرکت شامل سفرهای درون‌شهری، سفرهای بین‌شهری، تحویل مرسوله و حمل بار، و خدمات مالی برای مصرف‌کنندگان و رانندگان از طریق inDrive.Money است. مدل فعالیت شرکت به کاربران امکان می‌دهد درباره کرایه‌ها مذاکره کنند و دامنه فعالیت‌های گسترده‌تر آن در چندین کشور، لجستیک، سفر و خدمات مرتبط با بازارگاه را دربرمی‌گیرد.
مهندس ارشد نرم‌افزار بک‌اند، پلتفرم هوش مصنوعی — inDrive
برای پلتفرم یادگیری ماشین inDrive سرویس‌های Go و Python بسازید تا از مدل‌های عملیاتی و ابزارهای MLOps پشتیبانی کنند. به راه‌اندازی زیرساختی پُربار و قابل‌مشاهده کمک کنید که سامانه‌ها را در ۴۸ کشور پشتیبانی می‌کند.
توضیحات
- برای پلتفرم یادگیری ماشین، سرویس‌های بک‌اند و ابزارهای داخلی با Go و Python بسازید و آن‌ها را راه‌اندازی کنید.
- سرویس‌های عملیاتی را از مرحله ارائه تا پایش و پشتیبانی آماده‌باش مدیریت کنید.
- ویژگی‌های پلتفرم را بررسی و طراحی کنید و ملاحظات فنی کلیدی را ثبت کنید.
- ابزارهای استقرار و SDKهایی برای ارائه مدل، مقیاس‌پذیری خودکار و گردآوری داده توسعه دهید.
- سرویس‌های یادگیری ماشین را با ارتباط هم‌زمان و غیرهم‌زمان به سامانه‌های بک‌اند متصل کنید.
- در زمینه CI/CD مدل و خط لوله، پایش و سنجه‌های کارایی با دانشمندان داده و مهندسان ML همکاری کنید.
- با سنجه‌ها، گزارش‌ها، داشبوردها، ردیابی، هشدارها و راهنماهای عملیاتی، مشاهده‌پذیری سرتاسری فراهم کنید.
- زیرساخت را به‌صورت کد با Terraform و Terragrunt و از طریق درخواست‌های ادغام بازبینی‌شده مدیریت کنید.
- در بازبینی کد و طراحی شرکت کنید، به مهندسان راهنمایی دهید و تغییرات تولیدشده با هوش مصنوعی را با همان معیار سایر مشارکت‌ها ارزیابی کنید.
- با تیم‌های علم داده، ML، نرم‌افزار و مهندسی داده همکاری کنید.
شرایط لازم
- حداقل پنج سال تجربه مهندسی بک‌اند در محیط تجاری، شامل کار با سامانه‌های پُربار.
- تجربه قوی عملیاتی با Go، شامل قابلیت‌های پیشرفته آن.
- تسلط به Python برای پردازش داده و توسعه سرویس.
- مهارت قوی در SQL، شامل طراحی شِما، نمایه‌سازی، بهینه‌سازی پرس‌وجو، تکثیر و بخش‌بندی.
- تجربه کار با Redis یا یک ذخیره‌ساز کلید-مقدار مشابه.
- تجربه کار با HTTP، gRPC، Kafka یا RabbitMQ با تمرکز بر قابلیت اطمینان.
- تجربه کار با Docker و خط لوله‌های CI/CD، همراه با دانش کاربردی Kubernetes.
- تجربه کار با سرویس‌های اصلی AWS یا Google Cloud برای محاسبات، ذخیره‌سازی، شبکه و مدیریت هویت و دسترسی.
- درک چرخه عمر یادگیری ماشین، شامل آماده‌سازی داده، سنجه‌های کارایی مدل، الزامات غیرعملکردی و تغییر مفهوم.
- آشنایی با scikit-learn، PyTorch یا TensorFlow.
- تجربه طراحی و راه‌اندازی سامانه‌های مشاهده‌پذیری با سنجه‌ها، ثبت گزارش، داشبوردها، ردیابی، هشدارها و راهنماهای عملیاتی.
- تجربه کار با Prometheus، Grafana، ELK یا ابزارهای مشابه.
- آشنایی با گردش‌کارهای Git، بازبینی کد، خط فرمان Linux و مبانی شبکه مانند TCP/IP، DNS، VPC و متعادل‌کننده‌های بار.
- توانایی توضیح روشن ملاحظات فنی به دانشمندان داده، مالکان محصول و مهندسان آماده‌باش.
- تجربه‌های تکمیلی مفید: ابزارهای MLOps مانند Databricks، SageMaker، Kubeflow، MLflow یا Airflow؛ استنتاج با GPU یا LLM؛ عامل‌های کدنویسی هوش مصنوعی؛ بازارهای نوظهور؛ یا ابزارهای زیرساخت به‌صورت کد.
مزایا
- کار در مقیاس جهانی، با مدل‌های عملیاتی که به ناوگانی در سراسر جهان خدمت می‌کنند، بودجه قابل‌توجه GPU و بارهای کاری LLM.
- فرصت رشد مهندسان بک‌اند در حوزه MLOps، همراه با امکان یادگیری از تیم پلتفرم.
- توسعه مهارت‌های حرفه‌ای از طریق راهنمایی، مشاوره شغلی و برنامه‌های یادگیری.
- پیوستن به برنامه Global Talent Exchange برای کسب تجربه بین‌المللی.
- شرکت در چالش‌ها و جوایز سراسری شرکت، ورزش، فعالیت‌های اجتماعی به رهبری کارکنان و کار داوطلبانه.
- دسترسی به دوره‌های زبان با تأمین مالی مشترک و کانون‌های گفت‌وگوی داخلی.
- مزایا ممکن است بسته به محل متفاوت باشند.