شرح موقعیت

مهم ترین مسئولیت‌ها

• طراحی و پیاده‌سازی سیستم‌های Retrieval-Augmented Generation (RAG) در مقیاس بالا
• توسعه و ارکستراسیون AI Agents با قابلیت Tool Usage، Memory Management و Multi-step Reasoning
• بهینه‌سازی پرامپت‌ها، معماری‌ها و Pipelineها برای بهبود کیفیت خروجی و کاهش هزینه
• تحلیل و پردازش کلان‌داده‌های تخصصی (Structured / Unstructured)
• طراحی و پیاده‌سازی سیستم‌های Embedding، Vector Search و مدیریت دانش
• عیب‌یابی، رفع خطا، بهبود Latency و افزایش پایداری سیستم‌های مبتنی بر LLM
• طراحی مکانیزم‌های ارزیابی (Evaluation Frameworks) برای سنجش عملکرد مدل‌ها
• مستندسازی فنی و ارائه راهکارهای معماری مقیاس‌پذیر

مهارت‌های تخصصی الزامی

• تسلط کامل به مفاهیم و معماری LLMها (Transformer, Attention, Tokenization, Fine-tuning)
• تجربه عملی در پیاده‌سازی RAG Architecture
• توسعه Agent Frameworkها (مانند LangChain / LlamaIndex یا معماری‌های سفارشی)
• تسلط پیشرفته به Python
• تجربه کار با Vector Databaseها (مانند Pinecone, Weaviate, Milvus یا معادل‌ها)
• توانایی بهینه‌سازی مصرف توکن، کاهش Latency و مدیریت هزینه API
• تجربه کار با APIهای مدل‌های پیشرفته (OpenAI, Anthropic, Open-source models)
• آشنایی با مفاهیم Prompt Engineering پیشرفته
• تجربه عملیاتی کار با داده‌های حجیم (Big Data Processing) و ابزارهایی مانند Pandas, Spark یا معادل‌ها

مهارت‌های تکمیلی (امتیاز محسوب می‌شود)

• تجربه Fine-tuning و LoRA / PEFT
• پیاده‌سازی سیستم‌های Hybrid Search (BM25 + Embedding)
• تجربه MLOps و استقرار مدل‌ها در محیط Production
• آشنایی با Docker، Kubernetes و CI/CD
• طراحی سیستم‌های ارزیابی خودکار برای خروجی LLMها

مزایا و امکانات محیط کاری :

• فرصت کار حرفه ای در پروژه های کلان و بروز دولتی و خصوصی کشوری
• ساعت کار اداری 
• امکان گذراندن امریه سربازی در شرکت دانش بنیان
•  بیمه از اولین روز همکاری
• محیط کاری پویا و دوستانه
• بیمه درمان تکمیلی
• تسهیلات بانکی