شرح کلی موقعیت شغلی :

مسئولیت‌ها :

• طراحی، توسعه و بهینه‌سازی مدل‌های پردازش گفتار (ASR، TTS، SV)
• بررسی، پیاده‌سازی و ارزیابی معماری‌های مدرن مانند Conformer، Transformer، RNN-T و مدل‌های مبتنی بر Attention
• تحلیل و آماده‌سازی داده‌های صوتی، استخراج ویژگی‌ها و توسعه ابزارهای مرتبط
• مشارکت در تحقیق و توسعه روش‌های نوآورانه برای ارتقای کیفیت مدل‌ها
• همکاری با تیم‌های MLOps برای استقرار مدل‌ها در مقیاس بزرگ
• طراحی آزمایش‌ها، تحلیل خطا و مستندسازی نتایج
• (برای سطح ارشد) هدایت فنی پروژه‌ها، منتورینگ اعضای تیم و مشارکت در برنامه‌ریزی‌های کلان و Roadmap تحقیقاتی

مهارت‌های الزامی (مشترک برای هر دو سطح) :

• تسلط مناسب بر مفاهیم یادگیری ماشین، یادگیری عمیق و هوش مصنوعی
• مهارت خوب در Python
• تسلط بر یکی از فریم‌ورک‌های PyTorch یا TensorFlow
• آشنایی با OOP
• آشنایی با Git و لینوکس
• روحیه کار تیمی، تعهد، نظم و علاقه‌مندی به یادگیری
•  خلاقیت در ارائه راهکارهای نو

 مهارت‌های امتیازی (برای هر دو سطح – با انتظار بالاتر برای سطح ارشد) :

•  آشنایی با مبانی پردازش سیگنال صوت و گفتار (MFCC، Filterbank، VAD و …)
•  تجربه استفاده از مدل‌های عمیق در حوزه صوت
•  آشنایی با CTC، Encoder-Decoder، Transducer و مدل‌های End-to-End
•  آشنایی با i-vector، x-vector، d-vector برای احراز هویت صوتی
•  تجربه کار با مدل‌های Self-Supervised مانند Wav2Vec2، HuBERT یا مدل‌های Whisper-style
•  تجربه استقرار مدل‌ها (ONNX Runtime، Triton، FastAPI و …)
•  آشنایی با مدلهای پردازش متن
• آشنایی با LLMها و مدلهای generative
•  آشنایی با ML pipelines و ابزارهای MLOps
•  تجربه کار در مقیاس کلان داده
  
  

سایر توانمندی ها : 

• تجربه در سیستم‌های real-time یا low-latency
• آشنایی با کاربردهای مشترک صوت و متن مانند Voice Bots یا QA صوتی
• توانایی مستندسازی و ارائه تحلیل‌های فنی
•  (برای سطح ارشد) تجربه رهبری فنی یا هدایت یک پروژه/تیم