شرح موقعیت شغلی
ما در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ) به دنبال یک مهندس MLOps برای طراحی، پیادهسازی و نگهداری زیرساخت و پایپلاینهای یادگیری ماشین هستیم که به ایجاد زیرساختهای مقیاسپذیر، پایدار و قابل اتکا برای محصولات مبتنی بر هوش مصنوعی علاقهمند باشد.
در این نقش، فرد موردنظر مسئولیت تبدیل مدلهای آزمایشی تیم Data Science / AI به سرویسهای پایدار Production را بر عهده خواهد داشت. تمرکز اصلی این موقعیت بر طراحی و توسعه فرآیندهای MLOps، CI/CD، مانیتورینگ، مستندسازی و مدیریت زیرساختهای لینوکسی است.
اگر از حل چالشهای زیرساختی، خودکارسازی فرآیندها، بهبود قابلیت اطمینان سرویسهای هوش مصنوعی و همکاری در یک تیم متخصص و فناورانه لذت میبرید، مشتاق آشنایی با شما هستیم.
نقش شما در تیم
- طراحی و پیادهسازی زیرساخت MLOps شامل محیطهای Dev/Stage/Prod و رعایت اصول امنیت و تفکیک دسترسی
- راهاندازی و نگهداری پایپلاینهای یادگیری ماشین، شامل:
- داده
- آموزش
- ارزیابی
- ثبت نسخه مدل
- استقرار
- استقرار و سرویسدهی مدلهای ML کلاسیک و در صورت نیاز LLM، با رویکرد CI/CD و قابلیت Rollback
- مدیریت سرورها و سرویسهای لینوکسی (Ubuntu)، شامل:
- پیکربندی
- Hardening
- عیبیابی زیرساختی
- پیادهسازی مانیتورینگ، لاگ و هشدار برای سلامت مدلها و سرویسها شامل:
- Latency
- Throughput
- Error Rate
- Drift
- همکاری نزدیک با تیم Data Science / AI برای تبدیل مدلهای آزمایشی به سرویس پایدار Production
- مستندسازی معماری، Runbook ها و فرآیندهای عملیاتی
شرایط احراز
- حداقل ۳ سال تجربه عملی در DevOps/MLOps یا زیرساخت ML
- تسلط به Python (پیشرفته)
- آشنایی با چرخه حیات مدل، Feature Engineering و ارزیابی مدل (متوسط تا پیشرفته)
- تسلط به Docker (پیشرفته)
- تجربه کار با Swarm یا Kubernetes (متوسط تا پیشرفته)
- تسلط به CI/CD با:
- GitLab CI
- GitHub Actions
- AWS CodePipeline (پیشرفته)
- تسلط به Linux شامل:
- Ubuntu Server
- Shell
- Networking
- Troubleshooting پیشرفته
- تجربه کار با MLflow، Airflow یا ابزار مشابه Orchestration (متوسط)
- تجربه توسعه REST API و استقرار سرویس، ترجیحاً با FastAPI (متوسط تا پیشرفته)
- کار با پایگاه داده ساختیافته و NoSQL در پروژههای ML (متوسط)
- زبان انگلیسی در حد مطالعه مستندات فنی و همکاری تیمی (متوسط)
- توانایی تحلیل مسئله، ارائه راهکار فنی و حل چالشهای زیرساختی
- روحیه کار تیمی، مسئولیتپذیری و یادگیری مستمر
مهارتهای امتیازی
در صورت آشنایی با موارد زیر، اولویت استخدام بالاتر خواهد بود:
- اکوسیستم LLM شامل:
- vLLM
- Text Generation Inference
- Ollama
- ابزارهای RAG مانند:
- LangChain
- LlamaIndex
- Hugging Face
- Vector Database مانند:
- Observability تخصصی ML/LLM با:
- Prometheus
- Grafana
- Langfuse
- یا ابزار مشابه
- تجربه Secure / On-prem ML و محدودسازی خروج داده (Data Residency)
- PySpark، Kafka و معماری Event-driven برای پایپلاین داده
- آشنایی با محیطهای Ubuntu LTS و Hardening سازمانی
مزایای همکاری در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ)
- حضور در محیطی تخصصی، فناورانه و نوآورانه
- مشارکت در توسعه زیرساختها و محصولات مبتنی بر هوش مصنوعی و یادگیری ماشین
- فرصت یادگیری و رشد حرفهای در حوزههای MLOps، AI Infrastructure و Cloud Native Technologies
- همکاری در پروژههای چالشی و اثرگذار فناورانه
- تعامل نزدیک با تیمهای Data Science، AI، Software Engineering و زیرساخت
- فعالیت در محیطی مبتنی بر تحقیق، توسعه و نوآوری
- همکاری با تیمی متخصص و چندرشتهای در اکوسیستم فناپ
- محیط کاری مبتنی بر تعامل، یادگیری و توسعه فردی
اگر فردی مسئولیتپذیر، دقیق، علاقهمند به زیرساختهای هوش مصنوعی و متخصص در حوزه MLOps و عملیاتیسازی مدلهای یادگیری ماشین هستید، مشتاقانه منتظر دریافت رزومه شما خواهیم بود.
این موقعیت شغلی در تهران و در زیلب (آزمایشگاه فناوریهای پیشرفته فناپ) قرار دارد.
