دانشمند داده | Data Scientist

ما به دنبال یک دانشمند داده با پایه ای قوی در یادگیری ماشین و یک رویکرد عملی برای ساخت مدل های مقیاس پذیر و آماده برای تولید هستیم. کاندیدای ایده‌آل در کار با داده‌های سری زمانی، معماری‌های یادگیری عمیق، و پردازش زبان طبیعی تجربه دارد


-شرح شغل
-جمع‌آوری، تمیز کردن، و تبدیل داده‌های ساختاریافته و بدون ساختار برای مدل‌سازی
- انتخاب مدل‌های یادگیری ماشینی مناسب بر اساس الزامات مسئله، و ارزیابی عملکرد با استفاده از معیارهای مربوطه
-بهینه‌سازی عملکردهایپرپارامترها و ارتباط شفاف در مدل‌ها از طریق تجسم، گزارش‌ها و ارائه‌ها
-استقرار مدل‌ها در محیط‌های تولید و نظارت بر عملکرد برای اطمینان از قابلیت اطمینان و مقیاس‌پذیری طولانی‌مدت



-مدرک‌های کلیدی
-سطح متوسط تا ارشد در علم داده و یادگیری ماشین کاربردی
-درک کامل مفاهیم شبکه اصلی ml و تجربیات عملی شبیه به پیاده‌سازی عمیق‌ترین مدل‌های تجربی- rnns، lstms و دیگر معماری‌های مناسب برای سری‌های زمانی و تحلیل عددی
-پس‌زمینه قوی در nlp; تجربه با تنظیم دقیق یا اصلاح مدل‌های زبان بزرگ (llms) یک ویژگی مثبت
- توانایی اثبات شده برای توسعه و استقرار راه‌حل‌های ml مقیاس‌پذیر در برنامه‌های کاربردی دنیای واقعی است
- مهارت در پایتون. آشنایی با r یک امتیاز است

We’re looking for a Data Scientist with a strong foundation in machine learning and a practical approach to building scalable, production-ready models. The ideal candidate is experienced in working with time-series data, deep learning architectures, and natural language processing


-Job Description
-Collect, clean, and transform structured and unstructured data for modeling
-Choose appropriate machine learning models based on problem requirements, and evaluate performance using relevant metrics
-Optimize hyperparameters and refine model performance through iteration
-Communicate insights and results clearly through visualizations, reports, and presentations
-Deploy models into production environments and monitor performance to ensure long-term reliability and scalability

-Key Qualifications
-Mid to senior-level in data science and applied machine learning
-Solid understanding of core ML concepts and hands-on experience implementing well-established models
-Experience with deep neural networks such as RNNs, LSTMs, and other architectures suited for time-series and numerical analysis
-Strong background in NLP; experience with fine-tuning or modifying Large Language Models (LLMs) is a plus
-Proven ability to develop and deploy scalable ML solutions in real-world applications
-Proficiency in Python; familiarity with R is a bonus