A.P. Moller - Maersk یک شرکت لجستیکی یکپارچه است که با استفاده از ابزارهای دیجیتال و شبکه گسترده حمل‌ونقل دریایی، به کسب‌وکارها در مدیریت حمل‌ونقل بین‌المللی کمک می‌کند. خدمات این شرکت از مراحل مهم جابه‌جایی کالا، از جمله قیمت‌گذاری محموله، رزرو، ارسال اسناد و رهگیری محموله پشتیبانی می‌کند. این شرکت به صنایعی مانند خودروسازی، ساخت‌وساز، مشاوره، کالاهای تندمصرف، خرده‌فروشی و داروسازی خدمات ارائه می‌دهد و در یک سازمان جهانی بزرگ که بر اتصال زنجیره‌های تأمین تمرکز دارد، فرصت‌های شغلی فراهم می‌کند.
مهندس نرم‌افزار، داده و هوش مصنوعی/یادگیری ماشین – حضور در محل بنگلور
به‌عنوان مهندس نرم‌افزار، پلتفرم قابل‌استفاده‌مجدد داده، هوش مصنوعی/یادگیری ماشین و GenAI شرکت Maersk را بسازید. برای هوشمندی زنجیره تأمین، خط لوله‌های مقیاس‌پذیر، راهکارهای یادگیری ماشین و قابلیت‌های هوش مصنوعی عامل‌محور توسعه دهید.
توضیحات
- معماری و ارائه سیستم‌های مقیاس‌پذیر داده و هوش مصنوعی برای بارهای کاری داده‌محور
- بنیان‌های قابل‌اعتماد داده و محصولات قابل‌استفاده‌مجدد را از منابع گوناگون ایجاد کنید
- خط لوله‌های مطمئن دسته‌ای، جریانی و تقریباً بلادرنگ را همسو با نیازهای کسب‌وکار توسعه دهید
- دسترسی به داده‌های قابل‌اعتماد را از طریق دموکراتیک‌سازی داده و قابلیت‌های سلف‌سرویس ترویج کنید
- قابلیت‌های کیفیت داده، حاکمیت، تبار داده، فراداده، امنیت و مشاهده‌پذیری را پیاده‌سازی کنید
- زمینه و معناشناسی مشترک کسب‌وکار را برای برنامه‌ها، مدل‌های ML، GenAI و عامل‌های هوش مصنوعی تعریف کنید
- راهکارهای ML را برای پیش‌بینی، آینده‌نگری، ریسک، تشخیص ناهنجاری، پیشنهاددهی و بهینه‌سازی عملیاتی کنید
- برنامه‌های GenAI و LLM آماده تولید را با استفاده از RAG،嵌ه‌سازی، جست‌وجوی برداری و فراخوانی ابزار ارائه دهید
- سیستم‌های هوش مصنوعی عامل‌محور بسازید که بر داده‌های قابل‌اعتماد استدلال کنند، از ابزارها و APIها استفاده کنند، پیشنهاد دهند و اقدام کنند
- برای سیستم‌های هوش مصنوعی و عامل‌محور، حفاظ‌ها، کنترل دسترسی، پایش و نظارت انسانی ایجاد کنید
- APIها، سرویس‌ها و گردش‌کارهای قابل‌استفاده‌مجددی توسعه دهید که داده، برنامه‌ها و قابلیت‌های هوش مصنوعی را به هم متصل کنند
- هرجا ارزش ایجاد می‌کند، از Pipedream یا ابزارهای گردش‌کار مشابه استفاده کنید
- انتخاب‌های فناوری و معماری را به‌گونه‌ای انجام دهید که مقیاس‌پذیری، قابلیت اطمینان، امنیت، عملکرد و هزینه متعادل باشند
- با آزمون، CI/CD و مشاهده‌پذیری، شیوه‌های مهندسی را تقویت کنید
- در ارزیابی معماری، طراحی فنی و بازبینی کد مشارکت کنید
- به مهندسان راهنمایی دهید و در استانداردهای مشترک مهندسی و معماری مشارکت کنید
- با مهندسان، دانشمندان داده، معماران، تیم‌های محصول و متخصصان زنجیره تأمین همکاری کنید
- در پلتفرم نسل بعدی هوشمندی دیجیتال زنجیره تأمین Maersk مشارکت کنید
شرایط لازم
- حداقل چهار سال تجربه در مهندسی نرم‌افزار، مهندسی داده، مهندسی هوش مصنوعی/یادگیری ماشین یا رشته‌ای مرتبط
- تجربه طراحی و ارائه سیستم‌های مقیاس‌پذیر، توزیع‌شده و داده‌محور
- تجربه مشارکت یا مالکیت معماری و طراحی فنی پلتفرم‌های داده یا هوش مصنوعی
- مهارت قوی برنامه‌نویسی Java و Python
- دانش مستحکم معماری داده، مدل‌سازی داده، سیستم‌های توزیع‌شده و پردازش داده
- تجربه ساخت خط لوله‌های داده، محصولات داده یا پلتفرم‌های داده در مقیاس بزرگ
- تجربه کار با Kafka، Spark، Databricks، Flink یا فناوری‌های مشابه
- تجربه کار با پایگاه‌های داده رابطه‌ای و/یا NoSQL
- دانش عملی کیفیت داده، حاکمیت، فراداده، تبار داده و مشاهده‌پذیری
- تجربه عملی انتقال مدل‌های ML به تولید، شامل استقرار، پایش و ارزیابی
- تجربه توسعه برنامه‌های کاربردی GenAI و LLM عملی و آماده تولید
- درک RAG،嵌ه‌سازی، جست‌وجوی برداری، فراخوانی ابزار و ارزیابی LLM
- تجربه یا آشنایی قوی با عامل‌های هوش مصنوعی و گردش‌کارهای عامل‌محور
- درک امنیت هوش مصنوعی، حفاظ‌ها، کنترل دسترسی و نظارت انسانی
- تجربه کار با دست‌کم یک پلتفرم ابری مانند Azure، AWS یا Google Cloud
- شیوه‌های قوی مهندسی نرم‌افزار شامل آزمون خودکار، CI/CD و عملیات تولید
- توانایی‌های قوی ارتباطی و حل مسئله
- رویکردی پلتفرم‌محور با تمرکز بر قابلیت‌های قابل‌استفاده‌مجدد
- ترجیحی: تجربه در لجستیک، کشتیرانی، حمل‌ونقل یا زنجیره تأمین
- ترجیحی: تجربه معماری‌های بلادرنگ و رویدادمحور
- ترجیحی: تجربه MLOps و پایش مدل
- ترجیحی: تجربه RAG تولیدی، عامل‌های هوش مصنوعی یا ارکستراسیون عامل‌ها
- ترجیحی: تجربه MCP یا الگوهای مشابه یکپارچه‌سازی عامل و ابزار
- ترجیحی: تجربه گراف‌های دانش، مدل‌های معنایی یا حل موجودیت
- ترجیحی: تجربه Pipedream یا پلتفرم‌های مشابه گردش‌کار و یکپارچه‌سازی
- ترجیحی: تجربه Docker، Kubernetes و معماری‌های بومی ابر
- ترجیحی: تجربه رهبری طراحی فنی یا معماری پلتفرم‌های بزرگ‌مقیاس
مزایا
- Maersk متعهد به ایجاد محیط کاری متنوع و فراگیر است
- Maersk کارفرمایی با فرصت‌های برابر است
- در سراسر فرایند درخواست و استخدام، تعدیل‌ها و تسهیلات لازم پشتیبانی می‌شوند