مجموعه ما شامل چند شرکت و استارتاپ در حوزه های زیر ساخت و نرم افزار است. یکی از اصلی ترین بخش ها در تمامی سامانه ها و اپلیکیشن های طراحی شده توسط تیم ما، فناوری های مرتبط با هوش مصنوعی است.
از همین رو ما به دنبال یک فرد چندبُعدی هستیم که توانایی توسعه و استقرار سیستمهای تقویتشده با هوش مصنوعی (مانند RAG) را داشته باشد. فرد مورد نظر باید هم با داده و مدلهای زبان بزرگ (LLM) آشنا باشد، هم توانایی پیادهسازی زیرساختهای لازم برای این سیستمها را داشته باشد، و هم بتواند در تعامل با تیمهای بکاند و محصول، راهکارهای کاربردی و پایدار ارائه دهد.
مهارتها و توانمندیهای تخصصی:
· تسلط به زبان Python (ترجیحاً همراه با FastAPI یا Flask برای APIهای سبک)
· تسلط به یکی از کتابخانه های یادگیری عمیق: PyTorch (اولویت) یا TensorFlow برای مدل سازی سفارشی
· آشنایی با ساخت و fine-tune کردن مدلهای ترنسفورمری (Transformers)
· تجربه کار با مدلهای Open Source مثل LLaMA، Mistral، Falcon، GPT-J، Gemma، و MiniLM
· آشنایی با تکنیکهای Training/Finetuning، Quantization، LoRA و PEFT
· آشنایی با تکنیکهای Preprocessing برای متن: Tokenization، Cleaning، Normalization
· آشنایی با مدلهای دستهبندی متون (Text Classification)، خوشهبندی (Clustering)، تحلیل احساسات (Sentiment Analysis)، تشخیص موجودیت (NER)، استخراج کلیدواژه و خلاصهسازی (Summarization)
· تجربه عملی در پیادهسازی سامانههای RAG با استفاده از ابزارهایی مانند:
- LangChain، LlamaIndex، Haystack
- OpenAI API، Ollama، LM Studio، vLLM یا مدلهای مشابه
· آشنایی با زیرساختهای اجرای LLM در محیطهای local/private (مانند Ollama، PrivateGPT، GPT4All)
· آشنایی با تکنیکهای Embedding و دیتابیسهای برداری مانند:
- ChromaDB، Weaviate، Milvus، Elasticsearch (با HNSW)
· آشنایی با پیادهسازی Hybrid Search با ترکیب BM25 و بردارها در Elasticsearch یا سایر Vector DBها
· توانایی توسعه سیستمهای Chatbot با LLM، مبتنی بر دادههای داینامیک داخلی
· تجربه با ابزارهای Open Source هوش مصنوعی مثل HuggingFace Transformers، SentenceTransformers و DeepEval برای تست مدل
· آشنایی با ارزیابی مدلها و RAG pipelines
· توانایی طراحی معماری سیستمهای real-time یا شبهزمانواقعی برای تحلیل داده ها
· آشنایی با پایگاه داده PostgreSQL و تعامل با Elasticsearch برای جستوجوی متنی
· آشنایی با مفاهیم Serving، Load Balancing، Scaling، و Observability در زیرساختهای AI
· توانایی تعامل با تیمهای فنی برای استقرار سامانه در بستر Docker و Kubernetes
ویژگیهای شخصیتی:
· قدرت بالای حل مسئله و تحلیل معماری داده
· توانایی مستندسازی و انتقال دانش به تیمهای دیگر
· علاقهمند به یادگیری فناوریهای روز در حوزه هوش مصنوعی
· توانایی کار تیمی، انتقادپذیر، منعطف و خلاق
پیش نیازها:
· حداقل 3 سال تجربه عملی در زمینه هوش مصنوعی کاربردی یا NLP
· سابقه فعالیت حرفهای در یکی از پروژههای RAG، Chatbot یا سامانههای مبتنی بر LLM
مزیتهای همکاری:
· پروژه واقعی در حوزه «دستیار هوش مصنوعی برای تحلیل اخبار» با مقیاس بالا (دهها میلیون خبر)
· تیم فنی قوی، فضای رشد، فرصت یادگیری روزانه با فناوریهای نو
· محیط منعطف، هیبرید (دورکاری و حضوری تهران با جلسات منظم)
· امکان مشارکت در تصمیمگیریهای فنی و معماری
نوع همکاری:
· تماموقت یا پارهوقت (با حقوق توافقی و متناسب با توانمندی)