
Parser ایک ٹیکنالوجی سلوشنز اور مشاورتی کمپنی ہے جو 2018 میں قائم ہوئی۔ یہ اداروں کو پیچیدہ کاروباری ضروریات کے لیے مصنوعی ذہانت، ڈیٹا اور سافٹ ویئر انجینئرنگ بروئے کار لانے میں مدد دیتی ہے۔ اس کا کام حسبِ ضرورت سافٹ ویئر کی تیاری، AI اور ڈیٹا کے استعمال، مصنوعات کے ڈیزائن اور ڈیجیٹل تبدیلی سے متعلق مشاورت پر محیط ہے۔ Parser ٹیکنالوجی کے رہنماؤں کے ساتھ مل کر ان کے اہداف کے مطابق قابلِ موافقت حل تیار کرتی ہے اور انجینئرنگ کی مہارت کو عملی جدت اور دیرپا کلائنٹ شراکت داری پر توجہ کے ساتھ یکجا کرتی ہے۔
سینئر بیک اینڈ انجینئر، ایم ایل اوپس
عالمی سفری صنعت کی ایک سرکردہ کمپنی کے لیے ڈیٹا پائپ لائنز، ماڈل کی تعیناتی اور حقیقی وقت کے مشین لرننگ سسٹمز سمیت قابلِ توسیع ایم ایل اوپس انفراسٹرکچر بنائیں۔ اسپین میں Parser کی ہائبرڈ ٹیم کا حصہ بنیں۔
تفصیل
- مشین لرننگ کی تربیت، تعیناتی اور بیچ یا حقیقی وقت میں سروس فراہم کرنے کے لیے قابلِ توسیع انفراسٹرکچر تیار کریں۔
- بڑے پیمانے پر ڈیٹا پروسیسنگ اور فیچر انجینئرنگ کے لیے ڈیٹا پائپ لائنز بنائیں اور برقرار رکھیں۔
- ایم ایل سسٹمز میں کمپیوٹ کے استعمال کو بہتر بنائیں اور ماڈل سروسنگ کی کارکردگی میں اضافہ کریں۔
- ایم ایل سسٹمز کے لیے نگرانی، لاگنگ اور الرٹنگ ترتیب دیں۔
- سی آئی/سی ڈی پائپ لائنز سمیت ایم ایل آپریشنز کے طریقہ کار وضع کرنے میں مدد دیں۔
- ڈیٹا سائنس دانوں کے ساتھ مل کر ماڈلز کو ترقی کے مرحلے سے پروڈکشن تک لے جائیں۔
- نئی ٹیکنالوجیز کا جائزہ لیں اور انہیں مربوط کریں۔
- رہنمائی کے ذریعے جونیئر انجینئرز کی معاونت کریں۔
- مختلف نوعیت کے متعلقہ فریقوں کو تکنیکی حل سمجھائیں۔
تقاضے
- کمپیوٹر سائنس، سافٹ ویئر انجینئرنگ یا متعلقہ تکنیکی شعبے میں بیچلر یا ماسٹرز کی ڈگری۔
- سافٹ ویئر، ڈیٹا یا مشین لرننگ انجینئرنگ کے کرداروں میں عموماً ۶–۷ سال کا تجربہ۔
- مسائل حل کرنے کی مضبوط صلاحیت۔
- جاوا میں مہارت؛ پائتھن کا علم اضافی خوبی ہے۔
- مشین لرننگ الگورتھمز اور ماڈل آرکیٹیکچرز کی سمجھ۔
- قابلِ توسیع اور قابلِ اعتماد مشین لرننگ سسٹمز تیار کرنے کا تجربہ۔
- AWS جیسے کلاؤڈ پلیٹ فارمز سے واقفیت۔
- Docker یا دیگر کنٹینرائزیشن کا تجربہ۔
- Spark یا Kafka جیسے قابلِ توسیع ڈیٹا سسٹمز کا تجربہ۔
- GitHub Actions جیسے CI/CD ٹولز سے واقفیت۔
- MLflow جیسی ماڈل سروسنگ ٹیکنالوجیز سے واقفیت۔
- مختلف ٹیموں کے ساتھ مؤثر طور پر کام کرنے کی صلاحیت۔
مراعات
- دوستانہ اور باہمی تعاون والی ٹیم جو علم کے تبادلے اور مسلسل سیکھنے کو اہمیت دیتی ہے۔
- عمل پر توجہ دینے والا کام کا ماحول۔
- Java، Python، AWS، Docker، Kafka، Spark اور MLflow جیسی ٹیکنالوجیز استعمال کرتے ہوئے حقیقی وقت کے سسٹمز کے لیے MLOps اور مشین لرننگ انفراسٹرکچر بنانے کا موقع۔