CrowdStrike یک شرکت امنیت سایبری و SaaS است که در سال ۲۰۱۱ تأسیس شد. این شرکت ابزارهای مبتنی بر ابر را برای حفاظت از نقاط پایانی، هویت‌ها، شبکه‌ها و محیط‌های ابری توسعه می‌دهد. پلتفرم Falcon هوش مصنوعی را با قابلیت‌های مشاهده‌پذیری بلادرنگ، شناسایی تهدید و واکنش ترکیب می‌کند تا سازمان‌ها بتوانند حملات سایبری پیچیده را شناسایی و متوقف کنند. فعالیت‌های CrowdStrike حوزه‌های امنیت سایبری، شناسایی و واکنش مدیریت‌شده و هوش مصنوعی کاربردی را دربرمی‌گیرد و به کسب‌وکارها کمک می‌کند امنیت سیستم‌ها و داده‌های خود را تقویت کنند.
مهندس ارشد نرم‌افزار، شارلوت AI — هیبریدی در بخارست
توسعه هوش مصنوعی عامل‌محور و سرویس‌های ابری در سطح تولید را برای پلتفرم امنیت سایبری CrowdStrike رهبری کنید. در بخارست، سیستم‌های توزیع‌شده، یکپارچه‌سازی LLM و قابلیت‌های Agentic SOC را بسازید.
توضیحات
- در معماری، توسعه و بهره‌برداری از میکروسرویس‌های بک‌اند و قابلیت‌های پلتفرم AI-native، رهبری فنی عملی ارائه دهید.
- عامل‌ها و سیستم‌های عامل‌محور تولیدی را با پوشش ارکستراسیون، استفاده از ابزار، برنامه‌ریزی، بازیابی، حافظه و گردش‌کارهای human-in-the-loop بسازید، مستقر کنید و مقیاس دهید.
- LLMهای میزبانی‌شده را یکپارچه کنید و با راهبردهای مسیریابی، بازگشت جایگزین و کاهش تدریجی قابلیت، از مدل‌های متن‌باز و fine-tuned پشتیبانی کنید.
- روش‌های ارزیابی کیفیت، ایمنی و قابلیت اطمینان عامل‌ها را تعریف و اصلاح کنید.
- با بهینه‌سازی دسترس‌پذیری، توان عملیاتی، تأخیر، ظرفیت و هزینه، بارهای کاری سرویس‌دهی مدل و inference را مقیاس دهید.
- خطوط لوله داده و MLOps را برای گردآوری، ارزیابی، سازگار‌سازی مدل و استقرار در محیط تولید توسعه دهید و نگهداری کنید.
- محافظت‌هایی در برابر prompt injection، نشت داده، استفاده ناامن از ابزار و دسترسی بین مستأجران پیاده‌سازی کنید.
- استانداردهای آمادگی تولید را شامل SLOها، مشاهده‌پذیری، ردیابی، تست، کنترل انتشار و پاسخ به رخداد تعیین کنید.
- راهکارهای ابری توسعه دهید که حملات سایبری هدفمند را شناسایی کرده و به مقابله با آن‌ها کمک کنند.
- جهت‌گیری فنی را شکل دهید، رهبری بازبینی‌های طراحی را بر عهده بگیرید، تصمیم‌های معماری بگیرید و با نوشتن و بازبینی کد در کد تولید مشارکت کنید.
- با تیم‌های مهندسی، محصول، علم داده، پژوهش امنیتی و عملیات همکاری کنید.
- مهندسانی را که با فناوری‌های گوناگون کار می‌کنند راهنمایی کنید.
- معماری محصول، مدل‌های دانش، تجربه کاربر، عملکرد و قابلیت اطمینان را به‌طور مستمر ارتقا دهید.
- از توسعه و تست تا استقرار، پایش و بهبود مداوم، مسئولیت کامل را بر عهده بگیرید.
- در محیطی مشارکتی و چابک، با محوریت اعتماد، یادگیری و نتایج مشتری کار کنید.
شرایط لازم
- مدرک کارشناسی در علوم کامپیوتر یا رشته‌ای مرتبط، یا تجربه عملی معادل.
- تجربه عملی در ساخت، استقرار و بهره‌برداری از عامل‌ها یا سیستم‌های عامل‌محور مبتنی بر LLM در محیط تولید.
- تجربه گسترده مهندسی نرم‌افزار، از جمله رهبری فنی ابتکارهای پیچیده و بین‌تیمی، همراه با مشارکت عملی در کار.
- سابقه قوی در میکروسرویس‌های بک‌اند، پلتفرم‌های ابری، سیستم‌های داده‌محور و اصول سیستم‌های توزیع‌شده مانند پارتیشن‌بندی، هم‌زمانی، سازگاری، تحمل خطا و مقیاس‌دهی افقی.
- تجربه افزودن مدل‌های زبانی به نرم‌افزار تولیدی و در نظر گرفتن تفاوت‌های میان مدل‌ها و ارائه‌دهندگان.
- تجربه ارزیابی و عیب‌یابی سیستم‌های هوش مصنوعی غیرقطعی از نظر کیفیت، ایمنی، تأخیر، هزینه و قابلیت اطمینان.
- توانایی قوی برنامه‌نویسی با Go، Python یا زبانی مشابه، و آمادگی برای کار روی سرویس‌های Go و Python.
- دانش عمیق روش‌های مهندسی از جمله تست، بازبینی همتا، طراحی امن، معماری تاب‌آور و مشاهده‌پذیری تولید.
- توانایی انجام مصالحه‌های فنی سنجیده، برقراری ارتباط شفاف و اثرگذاری بر جهت‌گیری مهندسی در میان تیم‌ها.
- توانایی موفقیت در محیط مهندسی test-driven، مشارکتی و تکرارشونده.
- سابقه اثبات‌شده در ارائه نرم‌افزار قابل اتکا و باکیفیت که تست، بازبینی و به‌طور مستمر یکپارچه شده و در تولید بهره‌برداری شده باشد.
- رویکرد تیم‌محور و تعهد به راهنمایی و رشد مهندسان همکار.
- سابقه اثبات‌شده استفاده از فناوری‌های AI برای بهبود تصمیم‌گیری، ساده‌سازی گردش‌کارها و فرایندها، افزایش بهره‌وری و دستیابی به نتایج کسب‌وکار.
- تجربه با Go (Golang)، Python، Docker، Kubernetes، AWS، Google Cloud Platform (GCP)، Oracle Cloud Infrastructure (OCI)، Redis، S3، EC2، IAM، Kafka، Git، Cassandra، Elasticsearch، APIهای LLM، اکوسیستم‌های مدل متن‌باز، PyTorch، Hugging Face، ارکستراسیون عامل، ابزارهای ارزیابی و مشاهده‌پذیری و فناوری‌های inference یا سرویس‌دهی مدل مبتنی بر GPU.
- تجربه ترجیحی شامل fine-tuning مدل‌های LLM، استقرار LLMهای متن‌باز یا fine-tuned، بهینه‌سازی ترجیحات، یادگیری تقویتی از بازخورد، تقطیر مدل، امنیت سایبری یا اطلاعات، مشارکت‌های متن‌باز، پژوهش کاربردی یا انتشارات فنی است.
مزایا
- دریافت غرامت و پاداش‌های سهامی در سطح پیشرو بازار.
- برنامه‌های جامع پشتیبان سلامت جسمی و روانی.
- مرخصی و تعطیلات رقابتی برای استراحت و تجدید قوا.
- مرخصی با حقوق والدین و فرزندخواندگی.
- فرصت‌های توسعه حرفه‌ای برای کارکنان در همه سطوح و نقش‌ها.
- شبکه‌های کارکنان، گروه‌های محلی و فرصت‌های داوطلبانه برای تقویت ارتباط.
- محیط اداری پویا با امکانات باکیفیت.
- دارای گواهی Great Place to Work Certified™ در سراسر جهان.