شرکت دانشبنیان رهند هوشمند بهدنبال جذب یک توسعهدهندهی هوش مصنوعی (AI Developer) با تسلط بر Python و علاقهمند به طراحی و ساخت مدلها و الگوریتمهای یادگیری ماشین، یادگیری عمیق و سامانههای عاملمحور (Agentic AI) است.
در این نقش، شما در تیم هوش مصنوعی رهند، در توسعه و تحقیق روی مدلها و معماریهای نوین از جمله Retrieval-Augmented Generation (RAG)، مدلهای گفتار به متن و متن به گفتار و سیستمهای بینایی ماشین مشارکت خواهید داشت.
هدف ما توسعهی نسل جدیدی از سامانههای هوش مصنوعی است که از سطح مدل به سطح معماریهای چندعاملی و تعامل میان عاملهای هوشمند ارتقا مییابند.
مسئولیتها
- طراحی، پیادهسازی و آموزش مدلهای Machine Learning و Deep Learning با استفاده از PyTorch و Scikit-learn
- تحقیق و توسعه در زمینهی الگوریتمهای یادگیری، بهینهسازی مدلها و طراحی شبکههای عصبی سفارشی
- توسعهی Pipelineهای NLP و مدلهای زبانی بزرگ (LLMs) برای کاربردهای زبانی و متنی
- مشارکت در توسعهی Agentic AI Systems و همکاری میان عاملهای هوشمند در Multi-Agent Architectures
- طراحی و توسعهی Data Pipelineهای ساختارمند برای جمعآوری، پاکسازی و پردازش دادهها
- انجام Feature Engineering، تعریف Evaluation Metrics و پیادهسازی روشهای Model Evaluation & Optimization
- همکاری با تیم داده و تیم Backend برای استقرار مدلها در محیطهای عملیاتی (Model Serving / Production)
- مستندسازی و رعایت اصول Clean Code، Design Patterns و Testing در توسعهی کدهای هوش مصنوعی
مهارتها و الزامات
- تسلط بر Python 3.x و مفاهیم Object-Oriented Programming (OOP)
- تسلط بر یکی از فریمورکهای PyTorch یا TensorFlow
- نوشتن REST APIs با استفاده از FastAPI یا Django/DRF
- آشنایی عمیق با الگوریتمها و مدلهای Machine Learning و Deep Learning
- آشنایی با ابزارها و کتابخانههای پردازش داده مانند Pandas، NumPy و برای آمادهسازی و تحلیل دادهها
- تجربهی کار با مدلهای زبانی بزرگ (LLMs) و معماریهای RAG
- درک مفاهیم Neural Network Design، Loss Function، Backpropagation و Optimization Techniques
- تسلط بر Scikit-learn برای مدلهای کلاسیک (Classification، Regression، Clustering)
- آشنایی با فرآیند Fine-tuning مدلهای زبانی (LLMs)
- تسلط بر Git
- آشنایی با Unit Testing و ابزارهای تست مدلها
- روحیهی تحقیقمحور، کار تیمی و علاقهمند به یادگیری مداوم در زمینهی AI و Agentic AI
امتیاز محسوب میشود اگر
- تجربهی طراحی و پیادهسازی سیستمهای RAG با LLMها و Vector Databases (مانند Qdrant، FAISS یا Milvus)
- آشنایی با Agentic Frameworks مثل LangChain / LangGraph / CrewAI
- آشنایی با طراحی Multi-Agent Systems و مفاهیم Autonomous Agents
- آشنایی با مفاهیم MLOps، Model Serving، Evaluation Metrics و Feature Engineering
- آشنایی با Docker
- تجربهی کار با Kubernetes، CI/CD Pipelines یا ابزارهای DevOps
** توجه: همکاری در این موقعیت بهصورت تماموقت و حضوری خواهد بود. **
مزایای همکاری
- مشارکت در پروژههای بزرگ بانکی و ملی در حوزهی هوش مصنوعی و پلتفرمهای دیجیتال
- حقوق و پاداش رقابتی بر اساس شایستگی و اثرگذاری
- امکان امریه سربازی برای مشمولین واجد شرایط
- مسیر رشد حرفهای در شاخههای فنی و مدیریتی
- محیط کاری پویا، چابک و یادگیریمحور
- بیمه تکمیلی، ساعت کاری شناور، پنجشنبهها تعطیل