تحلیلگر هوش مصنوعی | Artificial Intelligence Analyst

شرایط احراز:

• دانش و تجربه کافی در زمینه هوش مصنوعی، یادگیری ماشین و یادگیری عمیق.
• دانش و تجربه کافی در استفاده از فریم‌ورک‌های Tensorflow یا PyTorch و کتابخانه Scikit-Learn و Keras.
• دانش و تجربه کافی در برنامه‌نویسی Python.
• آشنایی با SQL و BI مزیت محسوب می شود.
• سابقه برنامه‌نویسی در پلتفرم‌­های کلان داده مزیت محسوب می‌شود.
• علاقه‌مند به یادگیری حوزه‌های جدید.
• خلاقیت و ارائه راهکارهای جدید.
• توانایی انجام کار تیمی.
• نظم و رعایت اصول حرفه‌ای کار.

تجربه کاری در هر کدام از موارد ذکر شده در حوزه‌های زیر مزیت تلقی می‌شود:

انجام پروژه­‌های هوش مصنوعی و تحلیل داده در حوزه‌های بانکی و مالی:

• سامانه‌های کشف تقلب.
• سامانه‌های اعتبارسنجی و مدیریت ریسک.
• داده ­کاوی داده‌های بانکی یا مالی.
• پیاده­‌سازی قوانین مبارزه با پولشویی.

بینایی ماشین:

• آشنایی با مبانی پردازش تصویر و ویدئو.
• آشنایی با کتابخانه OpenCV.
• آشنایی با مفاهیم تشخیص و شناسایی چهره، تشخیص اشیاء و فعالیت، بازشناسی متن.
• آشنایی با احراز هویت ویدئویی و تصویری.

پردازش گفتار:

• آشنایی با مبانی پردازش صوت و گفتار کلاسیک.
• آشنایی با استفاده از شبکه‌های عصبی عمیق در حوزه صوت.
• آشنایی با روش‌های بازشناسی و سنتز گفتار.

داده کاوی:

• آشنایی با پلتفرم‌های آماده تحلیل داده.
• آشنایی با مفاهیم بصری‌سازی داده و تولید گزارش‌های مناسب.
• آشنایی با پردازش کلان داده.

پردازش زبان طبیعی:

• مسلط به مبانی پردازش زبان طبیعی.
• آشنایی با کتابخانه‌های پردازش زبان طبیعی فارسی و انگلیسی.
• مسلط به انواع مدل‌های زبانی و کاربردهای آن‌ها.
• آشنایی با روش‌های پیاده‌سازی سیستم‌های تحلیل احساسات، ویرایش متن و خلاصه‌سازی.
• تجربه پیاده‌سازی سیستم‌های پرسش و پاسخ.

Conditions:
Sufficient knowledge and experience in the field of artificial intelligence, machine learning and deep learning.
Sufficient knowledge and experience in using Tensorflow or PyTorch frameworks and the Scikit-Learn and Keras library.
Sufficient knowledge and experience in Python programming.
Interested in learning new areas. Creating and presenting new solutions.
The ability to do teamwork.
Observance of professional work.
Working experience in each of the above in the following areas is considered to be:
Performing Artificial Intelligence Projects and Data Analysis:
Financing. Money Laundering Rules.
Machine vision:
Introduction to image processing and video processing. Introduction to OpenCV Library. Introduction to the concepts of face recognition and identification, object recognition and activity, text recognition. Using video and video authentication.
Sound.
Getting to know the methods of recognition and synthesis of speech.
Data Mining:
Getting to know ready -to -analyze platforms.
Getting to know the concepts of visualization and producing appropriate reports.
familiarity with macro -data processing.
Natural language processing:
Functional language processing. Language models and their applications.
Getting to know how to implement emotional analysis systems, text editing and summarize.
Experience of Q&A implementation.