۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
حامی ویزای نیروی کار ماهرEuromonitor International شرکتی باسابقه است که در سال ۱۹۷۲ تأسیس شده و ۱٬۰۰۱ تا ۵٬۰۰۰ کارمند دارد. اطلاعات مربوط به استخدام این شرکت نشان‌دهنده حمایت مالی برای نیروی کار ماهر است؛ بنابراین برای متخصصانی که به دنبال فرصت‌های شغلی نزد یک کارفرمای بین‌المللی باتجربه هستند، گزینه‌ای مرتبط به شمار می‌رود.
مهندس ارشد نرم‌افزار، علم داده و هوش مصنوعی
سرویس‌های رتبه‌بندی، بازیابی و ارزیابیِ قابل‌استفادهٔ مجدد برای پلتفرم هوش مصنوعی Euromonitor بسازید. به تیم‌های محصول در کسب‌وکار جهانی پژوهش بازار و تحلیل دادهٔ آن کمک کنید قابلیت‌های هوش مصنوعی ارائه دهند.
توضیحات
- اجزای رتبه‌بندی، شخصی‌سازی و پیشنهاددهیِ قابل‌استفادهٔ مجدد بسازید؛ از آزمایش‌ها تا سرویس‌های مشترک، همراه با معیارهای پایهٔ قابل‌اندازه‌گیری برای کیفیت.
- یک چارچوب ارزیابی مشترک با مجموعه‌داده‌های طلاییِ گزینش‌شده، پایپ‌لاین‌های LLM-as-judge، دروازه‌های رگرسیون CI و سنجه‌های کیفیت بسازید و اجرا کنید.
- بازیابی از داده‌های ساخت‌یافته و بدون‌ساختار را با راهبردهای قطعه‌بندی و نمایه‌سازی، جست‌وجوی ترکیبی، رتبه‌بندیِ مجدد و مدیریت چرخهٔ عمر امبدینگ بهبود دهید.
- برای طراحی آزمایش‌ها، کالیبره‌کردن داورها و تفسیر تغییرات کیفیت از روش‌های آماری دقیق استفاده کنید.
- سرویس‌های بک‌اند و APIهای بازیابی، رتبه‌بندی، ارزیابی و اجزای پلتفرم هوش مصنوعی عامل‌محور را طراحی و پیاده‌سازی کنید.
- با حفظ رابط‌های تمیز SDK، سازگاری با نسخه‌های پیشین و انتزاع‌های منضبط، در چارچوب عامل، مهارت‌ها و فهرست ابزار مشارکت کنید.
- قابلیت مشاهده، تله‌متری هزینه و توکن، دروازه‌های کیفیت و کنترل‌های هوش مصنوعی مسئولانه را در اجزای محیط عملیاتی پیاده‌سازی کنید.
- با پیاده‌سازی‌های مرجع، مستندات و الگوهای جاافتادهٔ توسعه، به تیم‌های استفاده‌کننده در به‌کارگیری پلتفرم کمک کنید.
- برای هم‌راستاکردن پلتفرم با رویه‌های بومی ابر، با تیم‌های مهندسی، معماری و پلتفرم داده همکاری کنید.
- با بازبینی طراحی، استانداردهای آزمون و مربی‌گری، رویه‌های مهندسی را تقویت کنید.
- به‌عنوان عضوی از تیم هوش مصنوعی و علم داده مستقر در بنگلورو، به رهبر فنی گزارش دهید.
شرایط لازم
- حداقل ۷ سال تجربه در حوزه‌های علم داده و مهندسی نرم‌افزار.
- مهارت قوی در علم دادهٔ کاربردی، از جمله مبانی یادگیری ماشین، تجربه در رتبه‌بندی، پیشنهاددهی یا NLP و پایهٔ آماری لازم برای طراحی و تفسیر ارزیابی‌ها.
- سابقهٔ اثبات‌شده در ساخت قابلیت‌های هوش مصنوعی و علم داده به‌شکل سرویس‌ها، کتابخانه‌ها یا اجزای قابل‌استفادهٔ مجدد که چندین تیم از آن‌ها استفاده کرده‌اند.
- تجربهٔ عملی مهندسی هوش مصنوعی مولد با RAG و سامانه‌های بازیابی، به‌علاوهٔ چارچوب‌های ارکستراسیون مانند LangGraph، LangChain، LlamaIndex یا Semantic Kernel.
- تجربهٔ استفاده از ابزارهای پرامپت و ارزیابی.
- تجربهٔ کار با فناوری‌های جست‌وجوی برداری یا ترکیبی مانند Elasticsearch، OpenSearch، Azure AI Search، pgvector یا پایگاه دادهٔ برداری اختصاصی.
- مهارت قوی مهندسی بک‌اند در طراحی API و سرویس، پایپ‌لاین‌های داده و عملیات محیط عملیاتی روی Azure، AWS یا GCP.
- تجربه در ارکستراسیون کانتینر با Kubernetes.
- مهارت قوی در Python و توانایی کار با دست‌کم یک زبان بک‌اند دیگر مانند C#، Java، Go یا TypeScript.
- انضباط مهندسی محیط عملیاتی، شامل قابلیت مشاهده و ردگیری بارهای کاری LLM، آزمون خودکار، CI/CD و توجه به هزینه.
- توانایی توضیح روشن رویکردهای فنی، مصالحه‌ها، محدودیت‌ها و نتایج به مهندسان، مالکان محصول و دیگر ذی‌نفعان.
- تجربه با MCP یا پروتکل‌های فراخوانی ابزار، محیط‌های اجرای عامل یا الگوهای درگاه LLM مانند مسیریابی، ذخیره‌سازی موقت و راهکار جایگزین.
- تجربه در کالیبره‌کردن سامانه‌های LLM-as-judge، استفاده از روش‌های مجموعه‌دادهٔ طلایی یا اجرای آزمایش‌های برخط.
- تجربه با چارچوب‌های ارزیابی مانند Ragas، DeepEval یا promptfoo.
- تجربهٔ توسعهٔ مدل با PyTorch، TensorFlow یا scikit-learn، شامل آموزش یا تنظیم دقیق فراتر از استفادهٔ APIمحور از مدل‌های پایه.
- آشنایی با AutoGen، CrewAI، OpenAI Agents SDK، MLflow، Azure Machine Learning، SageMaker یا Vertex AI.
- مشارکت در پلتفرم‌های داخلی، کتابخانه‌های متن‌باز یا SDKهایی که کاربران بیرونی دارند.
- تجربه در بازیابی اطلاعات یا ارتباط‌مندی نتایج جست‌وجو در مقیاس بزرگ.
- پیشینه در پژوهش بازار، نشر، خدمات اطلاعاتی یا حوزهٔ دیگری که دقت در آن اهمیت دارد.
مزایا
- ساعت کاری منعطف.
- رویدادهای اجتماعی منظم، از جمله دورهمی‌های پس از کار و مهمانی‌های تابستانی و کریسمس.
- دو روز مرخصی برای فعالیت داوطلبانه در هر سال.
- کمک‌های مالی برای تازه‌واردان و حمایت از خیریه‌های محلی و بین‌المللی از طریق طرح‌های مختلف.
- حقوق رقابتی.
- بیمهٔ درمانی خصوصی.
- مرخصی سخاوتمندانه.
- فرصت‌های گستردهٔ آموزش و توسعه.
- فرصت‌های ارتقا در داخل و میان بخش‌ها.
- پاداش برای کارکنان مستعد.
- فرصت‌های برابر شغلی و تعهد به منع تبعیض. Per field we're required empty fields object however JSON schema description fields object etc. Good. Slugs fa transliteration valid but title derived transliteration. Ensure no ASCII nonletters yes. User says slug derive translated title lower ASCII; transliteration accepted. Bangla title slug includes o but between and = maybe