در تیم هوش مصنوعی و علم داده، روی حل مسائل واقعی دادهمحور و ساخت مدلهای قابل استقرار در محیط عملیاتی کار میکنیم؛ از تحلیل و آمادهسازی داده تا طراحی و پیادهسازی مدلهای ML/DL و پایش عملکرد آنها در طول زمان (چرخه عمر مدل).
مسئولیتها
· تحلیل مسئله و تبدیل نیاز کسبوکار به راهکار دادهمحور و قابل اندازهگیری
· دادهکاوی (Data Mining) و استخراج الگوهای پنهان و روابط معنادار از مجموعه دادهها
· جمعآوری/پاکسازی/Feature Engineering و آمادهسازی داده برای مدلسازی
· طراحی، آموزش، ارزیابی و بهبود مدلهای ML (طبقهبندی، رگرسیون، خوشهبندی، سری زمانی و…)
· همکاری در استقرار مدل (در کنار تیمهای مهندسی)
· تهیه گزارش/داشبورد/خروجی قابل تصمیمگیری برای ذینفعان فنی و غیرفنی
مهارتها و الزامات (Must Have)
· تسلط به Python و کتابخانههای رایج: NumPy, Pandas, Scikit-learn
· آشنایی قابل قبول با SQL و دیتابیسهای رابطهای
· درک پایه تا متوسط از آمار، احتمال، تست فرضیه و متریکهای ارزیابی
· آشنایی با یکی از فریمورکهای DL (PyTorch یا TensorFlow) در حد پیادهسازیهای کاربردی
· علاقهمندی به یادگیری کار با دادههای حجیم و ابزارهای مقیاسپذیر (مثل Spark)
· توانایی کار تیمی، مستندسازی و ارائه
امتیاز محسوب میشود (Nice to Have)
· تجربه تحلیل سری زمانی (Time Series)
· آشنایی با Spark برای پروژههای ML
· آشنایی با مفاهیم MLOps و استقرار ساده (Docker/REST API)
· تجربه داشبوردسازی (Power BI / Tableau / Metabase)
فرصت یادگیری و رشد
· منتورینگ و بازبینی کد/مدل در تیم
· مسیر رشد شفاف از “تحلیل و مدلسازی” تا “استقرار و پایش در تولید”
· امکان کار روی پروژههای واقعی و یادگیری ابزارهای Big Data/MLOps در حین کار