دانشمند داده | Data Scientist

ما به دنبال یک دانشمند داده با پایه و اساس قوی در یادگیری ماشین و یک رویکرد عملی برای ساخت مدلهای مقیاس پذیر و آماده تولید هستیم. نامزد ایده آل در کار با داده های سری زمانی ، معماری های یادگیری عمیق و پردازش زبان طبیعی


توضیحات JOB
-جمع آوری ، تمیز و تبدیل داده های ساختار یافته و ساختار یافته برای مدل سازی
-مدل های یادگیری ماشین مناسب بر اساس الزامات مسئله ، و ارزیابی با استفاده از متریک های مربوط به
-pertimize Hypermize و بازپرداخت های HyperineTers و بازپرداخت ها. و نتایج به وضوح از طریق تجسم ، گزارش ها ، و ارائه ها
مدل ها را به محیط های تولیدی و نظارت بر عملکرد برای اطمینان از قابلیت اطمینان طولانی مدت و مقیاس پذیری


-صلاحیت های
-در سطح ارشد در علم داده و یادگیری ماشین کاربردی
درک شکل های عمیق ML -ex -ex -ex-diveed-diveed-stableded-on-stableed LSTM ها ، و سایر معماری های مناسب برای سری زمان و تجزیه و تحلیل عددی
-پیشینه در NLP ؛ تجربه با تنظیم دقیق یا اصلاح مدل های بزرگ زبان (LLMS) یک توانایی به علاوه
است که در توسعه و استقرار راه حل های مقیاس پذیر ML در برنامه های دنیای واقعی
-کارآیی در پایتون ؛ آشنایی با R یک جایزه 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