Parser
Parser
Parser یک شرکت ارائه‌دهنده راهکارهای فناوری و خدمات مشاوره است که در سال ۲۰۱۸ تأسیس شد و به سازمان‌ها کمک می‌کند برای نیازهای پیچیده کسب‌وکار از هوش مصنوعی، داده و مهندسی نرم‌افزار استفاده کنند. فعالیت‌های این شرکت شامل توسعه نرم‌افزار سفارشی، بهره‌گیری از هوش مصنوعی و داده، طراحی محصول و مشاوره تحول دیجیتال است. Parser با رهبران حوزه فناوری همکاری می‌کند تا راهکارهایی سازگارپذیر و متناسب با اهداف آن‌ها شکل دهد و تخصص مهندسی را با تمرکز بر نوآوری عملی و مشارکت‌های پایدار با مشتریان ترکیب می‌کند.

مهندس ارشد هوش مصنوعی، اسپانیا (دورکار)

سرویس‌های Python، ‏APIها و قابلیت‌های هوش مصنوعی آمادهٔ تولید برای ارزیابی جست‌وجو و ابزارهای ارتباط معنایی مبتنی بر LLM بسازید. این موقعیت از مشتری خرده‌فروشی چندملیتی Parser پشتیبانی می‌کند.

توضیحات

  • ابزارهای هوش مصنوعی بسازید که به تیم‌های جست‌وجو کمک کنند مشکلات را تشخیص دهند، تغییرات را بیازمایند و ارتباط نتایج را سریع‌تر بسنجند.
  • قابلیت‌های هوش مصنوعی ایجاد کنید که رفتار جست‌وجو، اطلاعات عیب‌یابی و داده‌های کیفیت را به بینش‌های اولویت‌بندی‌شده تبدیل کنند.
  • سرویس‌های بک‌اند و APIهایی برای گردآوری و ترکیب ارزیابی‌های انسانیِ ارتباط نتایج بسازید.
  • ابزار ارزیابی آفلاین موجود را به محیط‌های درخواستی تبدیل کنید تا توسعه‌دهندگان بتوانند آن‌ها را در CI/CD اجرا کنند.
  • بررسی‌های خودکار برای دقت و اطمینان‌پذیری قابلیت‌های هوش مصنوعی راه‌اندازی کنید؛ از جمله ارزیابی ارتباط نتایج با LLM.
  • برای رساندن نمونه‌های اولیه به محیط عملیاتی، با تیم‌های محصول، طراحی، علم داده و جست‌وجو همکاری کنید.
  • ابزارها را به پلتفرم‌ها و APIهای موجود مشتری متصل کنید.
  • کیفیت، تأخیر و هزینه را پیگیری کنید و تصمیم‌ها و بده‌بستان‌های کلیدی را ثبت کنید.
  • پیشرفت را زودهنگام از طریق مستندات، نمایش‌ها و درخواست‌های ادغام تدریجی به اشتراک بگذارید.
  • کار را مطابق معماری و شیوه‌های مهندسی مورد توافق تحویل دهید.
  • تصمیم‌ها، ریسک‌ها و بده‌بستان‌ها را به‌روشنی توضیح دهید.
  • کیفیت خروجی تولیدشده با هوش مصنوعی را همراه همکاران تیم‌های جست‌وجو و علم داده بررسی کنید.
  • فرضیه‌ها را با داده‌های واقعی بیازمایید و سپس بر پایهٔ شواهد راهکارها را بهبود دهید.
  • از مرحلهٔ کاوش به تحویل برسید و در عین حال راهکارهای اولیه را به‌اندازهٔ مناسب ساده نگه دارید.
  • ابزارهایی بسازید که کاربران بتوانند به آن‌ها اعتماد کنند، آن‌ها را بفهمند و به کار بگیرند.
  • هرگاه برای کار مناسب‌تر باشد، قواعد قطعی، یادگیری ماشین سنتی یا بازبینی انسانی را به‌جای LLM انتخاب کنید.

شرایط لازم

  • دست‌کم پنج سال سابقهٔ حرفه‌ای در مهندسی نرم‌افزار، مهندسی داده، یادگیری ماشین یا هوش مصنوعی کاربردی.
  • تجربهٔ عملی ساخت برنامه‌های LLM آمادهٔ تولید، شامل طراحی پرامپت، خروجی‌های ساختاریافته و یکپارچه‌سازی API.
  • آشنایی با امبدینگ‌ها، بازیابی معنایی و ترکیبی، و مقایسهٔ آن‌ها با جست‌وجوی واژگانی.
  • توانایی سنجش مدل‌ها و رویکردها از نظر کیفیت، تأخیر، امنیت و هزینه.
  • تجربهٔ ایجاد ارزیابی‌های آفلاین و معیارهای دادهٔ برچسب‌خورده، از جمله تنظیم داورهای LLM بر اساس برچسب‌های انسانی.
  • درک معیارهای رتبه‌بندی مانند nDCG، ‏Precision at K و MRR، و نیز میزان توافق میان ارزیابان.
  • آگاهی از خطرهای توهم‌زایی، سوگیری، تغییر تدریجی عملکرد و حریم خصوصی، همراه با تجربهٔ طراحی فرایندهای بازبینی انسانی.
  • تسلط بالا به SQL و تجربهٔ کار با مجموعه‌داده‌های تحلیلی بزرگ.
  • آشنایی با معماری‌های مدالیون و اتصال سامانه‌های هوش مصنوعی به خط لوله‌های داده و APIها.
  • تسلط بالا به Python، همراه با تجربهٔ توسعهٔ سرویس‌های بک‌اند و APIهای قابل نگهداری.
  • روش‌های آزمون‌گری درست برای اجزای برنامه، داده و هوش مصنوعی.
  • تجربه با CI/CD، کانتینرها و زیرساخت ابری؛ آشنایی با Microsoft Azure مزیت محسوب می‌شود.
  • سابقهٔ تحویل سامانه‌های مجهز به هوش مصنوعی فراتر از نمونه‌های اثبات مفهومِ مستقل.
  • توانایی انتشار راهکارهای تدریجی و کاربرمحور با تمهیدات مناسب برای اطمینان‌پذیری و ایمنی.
  • مهارت قوی در ارتباط نوشتاری و گفتاری، از جمله توضیح تصمیم‌های فنی و نتایج ارزیابی برای ذی‌نفعان غیرفنی.
  • رویکردی مشارکتی برای تحویل محصولات با همکاری رشته‌های گوناگون.
  • مزیت: تجربهٔ جست‌وجوی خرده‌فروشی یا تجارت الکترونیک، از جمله رده‌بندی محصولات و پرس‌وجوهای دنباله‌بلند.
  • مزیت: تجربهٔ عملی با Elasticsearch یا یک پلتفرم جست‌وجوی عملیاتی دیگر، یا با پایگاه دادهٔ برداری.
  • مزیت: تجربهٔ ساخت ابزارهای ارزیابی آفلاین یا آزمون A/B برای جست‌وجو یا پیشنهاددهی.
  • مزیت: تجربهٔ توسعهٔ ابزارهای برچسب‌گذاری یا امتیازدهی انسانی.
  • مزیت: تجربهٔ جریان رویداد مانند Kafka، یا داده‌های کلیک‌استریم و تحلیل وب.

مزایا

  • بستهٔ جبران خدمات بسیار رقابتی.
  • بیمهٔ درمانی.
  • کار دورکارِ انعطاف‌پذیر.
  • فرصت پیوستن به سازمانی با رشد سه‌رقمی.
  • فرصت پیوستن به جامعه‌ای چندفرهنگی از متخصصان فناوری.

فرصت‌های شغلی مرتبط

Gramian Consulting

مهندس نرم‌افزار برای صدور مجوز کد هوش مصنوعی

Gramian Consulting

یک مخزن نرم‌افزاری موجود را برای ارزیابی و صدور مجوز احتمالی ارائه دهید. میزان پرداخت به تعداد توکن‌های کد منبع و تاریخچه گیت و شرایط توافق‌شده صدور مجوز بستگی دارد.

باز کردن
knowmad mood

معمار نرم‌افزار جاوا دورکار، هوش مصنوعی مولد — اسپانیا

knowmad mood
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
لجستیکمراقبت‌های بهداشتیمشاوره

به‌عنوان معمار جاوا متخصص در هوش مصنوعی مولد به knowmad mood بپیوندید. معماری‌ها را طراحی کنید، برنامه‌ها را نوسازی کنید و درباره راهکارهای هوش مصنوعی به مشتریان مشاوره دهید.

باز کردن
knowmad mood

معمار هوش مصنوعی و نرم‌افزار

knowmad mood
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
لجستیکمراقبت‌های بهداشتیمشاوره

برای طراحی معماری نرم‌افزار، راهکارهای سازمانی و خدمات هوش مصنوعی مولد برای مشتریان، در چارچوب فعالیت‌های تحول دیجیتال، به knowmad mood بپیوندید.

باز کردن
JUPUS

مهندس ارشد هوش مصنوعی کاربردی، سامانه‌های RAG و عامل‌محور

JUPUS
۵۱ – ۲۰۰ کارکنان
حقوقیمشاورههوش مصنوعی

برای JUPUS، شرکت فناوری حقوقی اروپایی، خط لوله‌های RAG و جریان‌های کاری عامل‌محور در محیط عملیاتی بسازید. قابلیت‌های هوش مصنوعی را به محصولات پرونده‌های حقوقی مورد استفاده وکلا اضافه کنید.

باز کردن
knowmad mood

معمار ارشد نرم‌افزار هوش مصنوعی — دورکاری در اسپانیا

knowmad mood
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
لجستیکمراقبت‌های بهداشتیمشاوره

در کنار مشاوره به مشتریان، رهبری معماری نرم‌افزار سازمانی و ابتکارهای هوش مصنوعی مولد را بر عهده بگیرید. در knowmad mood از تحول دیجیتال، نوسازی برنامه‌ها و آموزش هوش مصنوعی پشتیبانی کنید.

باز کردن