Salve.Inno یک شرکت کاریابی و مشاوره‌ای است که در سال ۲۰۲۴ تأسیس شده و دفتر مرکزی آن در گدانسک، لهستان قرار دارد. تیم کوچک این شرکت با ارائه راهبردهای استخدامی متناسب، جذب نیروی دورکار در سراسر جهان، غربالگری نامزدها و تجربه‌های استخدامی در وب‌سایت‌های شغلی، به کسب‌وکارها در استخدام نیرو کمک می‌کند. این شرکت در حوزه‌های مشاوره، بازاریابی و لجستیک فعالیت دارد و تخصص استخدامی آن نقش‌های مرتبط با بازاریابی، فارکس و iGaming را نیز دربرمی‌گیرد. Salve.Inno همچنین به سازمان‌ها در زمینه ارتباطات، DE&I و توسعه فرایندهای مؤثرتر استخدام کمک می‌کند، فرصت‌های دورکاری را منتشر می‌سازد و برای بازار جهانی استعدادها خدمات مشاوره‌ای ارائه می‌دهد.
مهندس ارشد یادگیری ماشین، رهبر هوش مصنوعی کاربردی و ام‌ال‌اوپس
راهکارهای هوش مصنوعی عملیاتی و ام‌ال‌اوپس را در یک سازمان بین‌المللی هدایت کنید. مدل‌های پیش‌بینی، حاکمیت، استقرار و معماری یادگیری ماشین مقیاس‌پذیر را شکل دهید.
توضیحات
- مسئولیت مدل‌های یادگیری ماشین را از توسعه تا پایش در محیط عملیاتی و بازآموزی بر عهده بگیرید.
- پروژه‌های هوش مصنوعی کاربردی در ارزش طول عمر مشتری، ریزش مشتری، تقلب و پیشگیری از سوءاستفاده را هدایت کنید.
- چارچوب‌های ام‌ال‌اوپس، استقرار خودکار، CI/CD، ارتقای محیط‌ها و مدیریت چرخه عمر مدل را بسازید و بهبود دهید.
- سامانه‌های پایش عملکرد مدل، تغییر توزیع داده، کیفیت داده و نتایج کسب‌وکار را ایجاد کنید.
- راهبردهای بازآموزی مدل، رویه‌های ارجاع مسئله و شیوه‌های بهبود مستمر را تعیین کنید.
- برای شفاف‌تر و تفسیرپذیرتر کردن مدل‌ها از SHAP و انتساب ویژگی استفاده کنید.
- استانداردهای حاکمیت مدل، مستندسازی، کنترل نسخه، بازتولیدپذیری و قابلیت ممیزی را تعیین کنید.
- در زمینه خطوط پردازش مقیاس‌پذیر، مهندسی ویژگی و زیرساخت داده قابل‌اتکا با تیم مهندسی داده همکاری کنید.
- با تیم‌های محصول، ریسک، بازرگانی و سایر تیم‌ها، چالش‌های کسب‌وکار را به راهکارهای هوش مصنوعی عملی و مقیاس‌پذیر تبدیل کنید.
- عملکرد مدل‌های عملیاتی را برای بهبود دقت، قابلیت اطمینان و اثرگذاری کسب‌وکار بررسی کنید.
- استانداردهای محیط عملیاتی را برای پایداری، مقیاس‌پذیری، نگهداشت‌پذیری و بهره‌وری عملیات حفظ کنید.
- راهنمایی و منتورینگ مهندسان همکار را بر عهده بگیرید.
- میان تحویل سریع MVP و قابلیت اطمینان و مقیاس‌پذیری پایدار در محیط عملیاتی تعادل برقرار کنید.
شرایط لازم
- ۵ تا ۸ سال یا بیشتر تجربه حرفه‌ای در ساخت، استقرار و نگهداشت مدل‌های یادگیری ماشین در محیط عملیاتی داشته باشید.
- در Python مهارت پیشرفته و در مبانی مهندسی نرم‌افزار تسلط داشته باشید.
- با الگوریتم‌های یادگیری ماشین، ارزیابی مدل، مهندسی ویژگی و مدل‌سازی پیش‌بینانه آشنا باشید.
- تجربه عملی در مسائل یادگیری ماشین محیط عملیاتی، مانند نشت داده، تغییر مدل، کیفیت داده و پایداری مدل داشته باشید.
- برای رایانش توزیع‌شده و پردازش داده در مقیاس بزرگ، تجربه عملی با Apache Spark یا PySpark داشته باشید.
- برای مدیریت چرخه عمر یادگیری ماشین از MLflow یا پلتفرمی مشابه استفاده کرده باشید.
- تجربه طراحی، پیاده‌سازی و نگهداشت خطوط CI/CD داشته باشید؛ آشنایی با GitHub Actions مزیت محسوب می‌شود.
- در SQL مهارت پیشرفته داشته باشید و تجربه کار با مجموعه‌داده‌های بزرگ و پیچیده را داشته باشید.
- با استقرار و پایش مدل، تشخیص تغییر، بازآموزی و نگهداشت در محیط عملیاتی آشنا باشید.
- روش‌های توضیح‌پذیری و تفسیرپذیری مدل، مانند SHAP، را پیاده‌سازی کرده باشید.
- راهکارهای هوش مصنوعی/یادگیری ماشین ارائه کرده باشید که به بهبود تجاری یا عملیاتی قابل‌اندازه‌گیری منجر شده‌اند.
- نیازمندی‌های حاکمیت مدل، نسخه‌بندی، مستندسازی و بازتولیدپذیری را درک کنید.
- توانایی طراحی معماری‌های یادگیری ماشین مقیاس‌پذیر، قابل‌اعتماد و نگهداشت‌پذیر را داشته باشید.
- تفکر تحلیلی قوی و مهارت حل مسئله داشته باشید.
- بتوانید مفاهیم فنی پیچیده را به‌روشنی برای ذی‌نفعان غیرفنی توضیح دهید.
- با تیم‌هایی مانند مهندسی داده، محصول، ریسک و بازرگانی همکاری کرده باشید.
- میان توسعه سریع و تحویل MVP و مهندسی اصولی محیط عملیاتی تعادل برقرار کنید.
- از طریق منتورینگ، اثرگذاری فنی و به‌کارگیری بهترین شیوه‌های مهندسی، رهبری نشان دهید.
- برای ارائه راهکارهای هوش مصنوعی، رویکردی پیش‌قدم، مستقل و نتیجه‌محور داشته باشید.
مزایا
- دریافتی رقابتی متناسب با تجربه و صلاحیت‌ها.
- برنامه‌های جامع آموزش کارکنان و توسعه حرفه‌ای.
- فرصت هدایت ابتکارهای هوش مصنوعی و یادگیری ماشین با اثرگذاری بالا.
- آشنایی با فناوری‌های پیشرفته یادگیری ماشین و شیوه‌های نوین ام‌ال‌اوپس.
- محیط کاری بین‌المللی با همکاری میان تیم‌های مختلف.
- رویدادهای شرکت، تیم و گروه.
- مزایای تولد و قدردانی از وفاداری.
- فرصت‌های رشد حرفه‌ای و رهبری فنی.
- مزایا و مشوق‌های بیشتر برای کارکنان.