
شرکت والت دیزنی یک کسبوکار جهانی سرگرمیهای سرگرمکننده است که بر پایه داستانگویی، شخصیتها و تجربههای مهمان شکل گرفته است. فعالیتهای این شرکت شامل پارکها و اقامتگاههای تفریحی، شبکههای رسانهای، استودیوهای فیلمسازی و رسانههای تعاملی میشود و محصولات و تجربههای آن از طریق پلتفرمها و دستگاههای مختلف به مخاطبان سراسر جهان میرسد. دیزنی که در سال ۱۹۲۳ تأسیس شد، نیروی کاری بینالمللی و بزرگی را در حوزههای سرگرمی، مهماننوازی، سفر و غذا و نوشیدنی گرد هم میآورد و در مدیریت دادههای مصرفکنندگان بر حفظ حریم خصوصی، شفافیت و رعایت الزامات تأکید دارد.
مهندس نرمافزار II، مشاهدهپذیری یادگیری ماشین
سامانههای تشخیص ناهنجاری و مشاهدهپذیری مبتنی بر یادگیری ماشین برای Disney+، Hulu و ESPN بسازید. مدلهای عملیاتی، خط لولههای تلهمتری، سرویسهای استنتاج و بینشهای عملیاتی مبتنی بر هوش مصنوعی توسعه دهید.
$۱۱۹٬۲۰۰ – $۱۶۷٬۴۰۰ / سال
ترکیبیتماموقتسطح متوسطارشدزبان مورد نیاز: انگلیسیمهندس فولاستکمهندس نرمافزارتوضیحات
- در توسعه مدلهای تشخیص ناهنجاری عملیاتی مشارکت کنید؛ از جمله خودرمزگذارها، مدلهای آستانهگذاری آماری و سامانههای ترکیبی که هزاران میکروسرویس را پایش میکنند.
- خط لولههای آموزش ML را با PyTorch روی خوشههای GPU توسعه دهید و بهبود بخشید.
- ویژگیها را مهندسی کنید، مدلها را آموزش دهید، آستانهها را کالیبره کنید و مدلها را از طریق MLflow مستقر کنید.
- با استفاده از پنجرهبندی، نرمالسازی و محافظت از کیفیت داده، از تلهمتری سری زمانی ویژگی استخراج کنید.
- از استنتاج بلادرنگ ML، شامل سرویسدهی مدل، منطق تشخیص و تولید هشدار پشتیبانی کنید.
- با استفاده از مدلهای پایه مانند Claude و GPT-4 قابلیتهای هوش مصنوعی توسعه دهید.
- سرویسهای مقیاسپذیر FastAPI برای پیشبینیهای ML، وضعیت سلامت و بینشها ایجاد و مستقر کنید.
- برای ادغام هوشمندی ML در گردشکارهای پاسخ به رخداد و اعتبارسنجی انتشار، با تیمهای مختلف همکاری کنید.
- در ارزیابی و بازآموزی مدلها و تنظیم آستانهها کمک کنید.
- قابلیتها را از طراحی تا پیادهسازی تحویل دهید، در طراحی مدل و بازبینی کد مشارکت کنید و مسئولیت اجزای سامانههای عملیاتی ML را گسترش دهید.
شرایط لازم
- حداقل ۳ سال تجربه حرفهای مهندسی نرمافزار در ساخت، مقیاسدهی و نگهداری بکاندهای مبتنی بر ML، میکروسرویسهای دادهمحور و APIهای REST عملیاتی با FastAPI یا Flask.
- تجربه عملی در سراسر چرخه مهندسی ML با PyTorch یا TensorFlow، از جمله انتخاب معماری مدل، مهندسی ویژگی، آموزش و ارزیابی.
- تسلط به Python و دستکم یک چارچوب یادگیری ماشین.
- تجربه مدیریت آزمایشها، تبار مدل و ردیابی ابرپارامترها با MLflow یا Weights & Biases.
- تجربه پردازش، تبدیل و پرسوجو از مجموعهدادههای بزرگ تلهمتری، رویداد یا سری زمانی با PySpark، Pandas یا Databricks.
- تجربه کار با GitHub، Docker و استقرارهای بومی ابر مانند AWS/EKS.
- توانایی قوی در تحلیل و عیبیابی.
- مهارتهای قوی همکاری و ارتباط، از جمله توانایی کار میان تیمها.
- تجربه ترجیحی: ادغام مدلهای پایه، مهندسی و ارزیابی پرامپتها، کار با معماریهای RAG یا استفاده از LangChain یا LangGraph.
- تجربه ترجیحی: کار با پلتفرمهای مشاهدهپذیری مانند Datadog، Grafana یا Conviva.
- تجربه ترجیحی: کار با پلتفرمهای داده در مقیاس بزرگ مانند Databricks، Spark یا Snowflake.
- مدرک کارشناسی در علوم کامپیوتر، یادگیری ماشین، آمار یا مهندسی، یا تجربه معادل.
مزایا
- ممکن است پاداش و/یا واحدهای تشویقی بلندمدت ارائه شود.
- مزایای درمانی.
- مزایای مالی.
- سایر مزایا به سطح و موقعیت پیشنهادی بستگی دارد.
- کار عمدتاً در محل، با امکان گاهبهگاه کار از خانه.