شرح موقعیت شغلی
ما در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ) به دنبال یک مهندس یادگیری ماشین با تمرکز بر بینایی ماشین و پردازش تصویر هستیم که به طراحی، توسعه و عملیاتیسازی مدلهای Machine Learning و Deep Learning علاقهمند باشد.
در این نقش، فرد موردنظر مسئولیت پیشبرد مسائل واقعی بینایی ماشین را از مرحله شناخت نیازمندیها، تحلیل داده و طراحی رویکرد فنی تا توسعه مدل، آموزش، ارزیابی، بهینهسازی و استقرار در محیط عملیاتی بر عهده خواهد داشت.
تمرکز اصلی این موقعیت بر حوزههای Computer Vision، Image Processing و Deep Learning است. تجربه در حوزه Remote Sensing و پردازش تصاویر ماهوارهای الزامی نیست، اما یک مزیت مهم محسوب میشود.
اگر از حل چالشهای فنی، تحقیق و پیادهسازی روشهای نوین، یادگیری مستمر و همکاری در یک تیم متخصص و پژوهشمحور لذت میبرید و به دنبال محیطی هستید که بتوانید در آن رشد کنید و در توسعه راهکارهای مبتنی بر هوش مصنوعی اثرگذار باشید، مشتاق آشنایی با شما هستیم.
نقش شما در تیم
- طراحی و توسعه مدلهای یادگیری ماشین و یادگیری عمیق با تمرکز بر مسائل بینایی ماشین، شامل تحلیل مسئله، تعریف رویکرد فنی و انتخاب معماری مناسب مدل
- طراحی و پیادهسازی فرآیندهای آمادهسازی، پاکسازی و پیشپردازش دادهها
- توسعه مدل در وظایفی مانند:
- Image Classification
- Object Detection
- Image Segmentation
- Object Tracking
- Anomaly Detection
- OCR و Document Understanding
- Pose Estimation
- Action Recognition
- آموزش، ارزیابی و بهینهسازی مدلها بر اساس معیارهای فنی و نیازمندیهای محصول، همراه با انجام Error Analysis و شناسایی دلایل ضعف مدل در سناریوهای واقعی
- طراحی و توسعه Pipelineهای آموزش و استنتاج و بهینهسازی مدلها از نظر:
- دقت
- سرعت
- مصرف حافظه
- هزینه پردازشی
- استقرار مدلها در محیطهای عملیاتی، سرویسهای Backend، Edge Device یا GPU Server
- همکاری با تیمهای نرمافزار، داده، محصول و زیرساخت برای تبدیل مدلهای تحقیقاتی به قابلیتهای قابل استفاده
- طراحی آزمایشها، مقایسه مدلها، مستندسازی نتایج و بررسی و پیادهسازی مقالات، معماریها و روشهای جدید
- مشارکت در تصمیمگیریهای فنی، بازبینی کد و بهبود استانداردهای توسعه تیم
- در سطح Senior، هدایت فنی بخشهایی از پروژه، انجام Code Review،Mentoring اعضای کمتجربهتر و انتقال دانش به سایر اعضای تیم
شرایط احراز
- حداقل ۳ سال تجربه کاری مرتبط در حوزه Machine Learning ، Deep Learning یا Computer Vision
- تسلط به Python و تجربه عملی در توسعه مدلهای یادگیری عمیق با PyTorch یا TensorFlow
- تسلط بر مفاهیم پایه یادگیری ماشین و یادگیری عمیق شامل:
- Supervised و Unsupervised Learning
- Loss Functions
- Optimization
- Regularization
- Overfitting و Generalization
- Data Leakage
- Model Evaluation
- تجربه عملی در استفاده یا پیادهسازی معماریهای:
- CNN
- ResNet
- Vision Transformer
- YOLO
- Faster R-CNN
- U-Net
- Mask R-CNN
- تسلط به ابزارها و کتابخانههای پردازش تصویر مانند:
- OpenCV
- Pillow
- Albumentations
- NumPy
- تجربه در آمادهسازی Dataset، Data Annotation ،Data Augmentation و مدیریت عدم توازن دادهها
- توانایی انتخاب و تحلیل معیارهای ارزیابی مانند:
- Precision
- Recall
- F1-score
- IoU
- mAP
- ROC-AUC
- تجربه کار با Git و فرآیندهای استاندارد توسعه نرمافزار
- آشنایی با Linux و محیطهای توسعه مبتنی بر Docker
- توانایی نوشتن کد تمیز، ماژولار، قابل تست و قابل نگهداری
- توانایی مطالعه و پیادهسازی مقالات و مستندات فنی انگلیسی
- توانایی حل مسئله و تبدیل نیازمندیهای کسبوکار و پژوهشی به مسئله قابل حل با Machine Learning
- روحیه کار تیمی، مسئولیتپذیری و یادگیری مستمر
انتظارات سطح Senior
- تجربه طراحی End-to-End یک سیستم Machine Learning در محیط Production و انتخاب معماری بر اساس محدودیتهای واقعی پروژه
- تجربه کار با Datasetهای بزرگ و چالشهای مربوط به کیفیت داده
- تجربه بهینهسازی مدل برای Real-Time Inference یا Edge Deployment و تحلیل Trade-off میان دقت، سرعت، هزینه و پیچیدگی راهکار
- تجربه طراحی Pipelineهای قابل تکرار برای Training، Evaluation و Deployment
- توانایی هدایت فنی پروژه، تقسیم مسئله به بخشهای اجرایی، Code Review، Mentoring و انتقال دانش به سایر اعضای تیم
مهارتهای امتیازی
داشتن تجربه در موارد زیر یک مزیت محسوب میشود، اما الزامی نیست:
- تجربه در حوزه Remote Sensing و پردازش تصاویر ماهوارهای شامل:
- Sentinel
- Landsat
- SAR
- تصاویر هوایی و پهپادی
- آشنایی با دادههای Multispectral و Hyperspectral و محاسبه شاخصهایی مانند:
- NDVI
- NDWI
- سایر Spectral Indexها
- آشنایی با مفاهیم GIS شامل:
- Raster
- Vector
- GeoTIFF
- Shapefile
- Coordinate Reference Systems
- تجربه کار با ابزارهایی مانند:
- GDAL
- Rasterio
- GeoPandas
- QGIS
- Google Earth Engine
- تجربه در مسائل مرتبط با:
- کشاورزی هوشمند
- پایش محیطی
- معدن
- منابع طبیعی
- تحلیل تغییرات زمین
- تجربه کار با Time Series های ماهوارهای و Spatiotemporal Data
- آشنایی با مدلهای Vision-Language، Multimodal و Foundation Models مانند SAM و CLIP
- تجربه MLOps و ابزارهایی مانند:
- MLflow
- DVC
- Airflow
- Kubeflow
- آشنایی با ONNX، TensorRT، OpenVINO، Quantization و Pruning
- تجربه استقرار مدل روی تجهیزات Edge مانند NVIDIA Jetson و آشنایی با سرویسهای Cloud و زیرساختهای GPU
- تجربه کار با FastAPI یا توسعه API برای سرویسدهی مدلها
مزایای همکاری در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ)
- حضور در محیطی تخصصی، پژوهشمحور و نوآورانه
- مشارکت در توسعه فناوریها و راهکارهای پیشرفته مبتنی بر هوش مصنوعی
- فرصت یادگیری و رشد حرفهای در حوزههای Machine Learning، Deep Learning و Computer Vision
- همکاری در پروژههای چالشی و اثرگذار فناورانه
- دسترسی به فضای تحقیق، توسعه و تجربه فناوریهای نوین
- همکاری با تیمی متخصص و چندرشتهای در اکوسیستم فناپ
- محیط کاری مبتنی بر تعامل، یادگیری و توسعه فردی
اگر فردی مسئولیتپذیر، دقیق، علاقهمند به تحقیق و توسعه فناوریهای هوش مصنوعی و متخصص در حوزه مهندسی یادگیری ماشین و بینایی ماشین هستید، مشتاقانه منتظر دریافت رزومه شما خواهیم بود.
این موقعیت شغلی در تهران و در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ) قرار دارد.
