Senior NLP & Conversational AI Engineer

راه گزین رایانه

حداقل سابقه کار: مهم نیست
موقعیت مکانی: تهران
نوع همکاری: تمام وقت
خدمت سربازی: مهم نیست

مهارت های موردنیاز

کارشناس ارشد پردازش زبان طبیعی (NLP) و توسعه چت‌بات هوشمند

ما به دنبال جذب یک کارشناس ارشد در حوزه پردازش زبان طبیعی (NLP) و توسعه سیستم‌های مکالمه هوشمند (Conversational AI) هستیم. فرد منتخب مسئولیت تحقیق، طراحی، توسعه و بهینه‌سازی راهکارهای مبتنی بر هوش مصنوعی با تمرکز بر پردازش و درک زبان فارسی، مدل‌های زبانی بزرگ (LLM) و چت‌بات‌های هوشمند را بر عهده خواهد داشت.

در این موقعیت شغلی، تمرکز اصلی بر توسعه راهکارهای پیشرفته پردازش متن، طراحی و پیاده‌سازی سیستم‌های پرسش و پاسخ هوشمند، توسعه معماری‌های RAG و به‌کارگیری مدل‌های زبانی در محصولات و سرویس‌های نرم‌افزاری خواهد بود. همچنین انتظار می‌رود فرد بتواند با بهره‌گیری از دانش تخصصی در حوزه یادگیری عمیق و NLP، مدل‌ها و سیستم‌های هوشمند را متناسب با نیازمندی‌های محصول توسعه داده و عملکرد آن‌ها را از نظر دقت، کیفیت پاسخ‌گویی، سرعت و مقیاس‌پذیری بهینه‌سازی کند.

این موقعیت مناسب متخصصی است که علاوه بر تسلط علمی و فنی بر مفاهیم NLP و LLM، تجربه عملی توسعه و استقرار محصولات مبتنی بر هوش مصنوعی را داشته و توانایی تبدیل مسائل و نیازمندی‌های کسب‌وکار به راهکارهای فنی قابل اجرا را دارا باشد.

شرح وظایف و مسئولیت‌های موقعیت شغلی:

تحقیق، بررسی و انتخاب رویکردهای نوین در حوزه پردازش زبان طبیعی (NLP) و مدل‌های زبانی بزرگ (LLMs) با تمرکز بر زبان فارسی؛ شامل Text Classification، Named Entity Recognition (NER)، Information Extraction، Semantic Search، Text Summarization و Question Answering
طراحی و توسعه راهکارهای پردازش متن شامل آماده‌سازی، پاک‌سازی و نرمال‌سازی داده‌ها، آموزش و Fine-tuning مدل‌ها و Hyper Parameter Tuning و ارزیابی عملکرد مدل‌های NLP.
طراحی و پیاده‌سازی چت‌بات‌های هوشمند مبتنی بر LLM با قابلیت مدیریت مکالمات چندمرحله‌ای (Multi-turn Conversation)، مدیریت Context و حافظه مکالمه، تشخیص Intent و تولید پاسخ متناسب با نیاز کاربر.
پیاده‌سازی معماری RAG (Retrieval-Augmented Generation) شامل پردازش و قطعه‌بندی اسناد (Chunking)، تولید Embedding، Indexing، Retrieval و اتصال مدل‌های زبانی به پایگاه‌های دانش و منابع اطلاعاتی؛ همراه با ارزیابی کیفیت بازیابی و پاسخ‌گویی مدل.
طراحی و پیاده‌سازی راهکارهای Prompt Engineering، Function Calling، Tool Calling و Agentic Workflows به‌منظور توسعه قابلیت‌های تعاملی و اجرای وظایف چندمرحله‌ای توسط چت‌بات.
طراحی و پیاده‌سازی سرویس‌های هوش مصنوعی و یکپارچه‌سازی آن‌ها با سایر سامانه‌های نرم‌افزاری از طریق API و پروتکل‌هایی مانند REST و gRPC.
تعریف و پیاده‌سازی معیارهای ارزیابی عملکرد مدل‌ها و سیستم‌های مکالمه شامل Precision، Recall، F1-Score، ROUGE، BLEU، Hit@K، MRR و معیارهای سنجش Hallucination و کیفیت پاسخ‌های تولیدشده.
استقرار، بهینه‌سازی و مانیتورینگ مدل‌ها و سرویس‌های NLP و LLM در محیط Production با تمرکز بر پایداری، سرعت پاسخ‌گویی، مقیاس‌پذیری و بهینه‌سازی هزینه اجرا.
توسعه و نگهداری زیرساخت MLOps شامل مدیریت نسخه مدل‌ها و داده‌ها، ثبت و پایش آزمایش‌ها، پیاده‌سازی CI/CD و مانیتورینگ کیفیت عملکرد مدل‌ها در محیط عملیاتی.

شایستگی‌ها و مهارت‌های مورد نیاز شغل:

زبان برنامه‌نویسی و یادگیری عمیق:
تسلط حرفه‌ای به Python، تجربه کار با PyTorch و آشنایی با مفاهیم Deep Learning و معماری Transformer.
اکوسیستم NLP:
تجربه کار با Hugging Face Transformers، Tokenization، Embedding، Text Classification، NER و کتابخانه‌های پردازش زبان فارسی مانند Hazm.
اکوسیستم LLM و Chatbot:
تجربه عملی کار با مدل‌های زبانی بزرگ، Prompt Engineering، Fine-tuning، مدیریت Context، Function Calling و ابزارهای توسعه سیستم‌های مکالمه هوشمند.
فریم‌ورک‌های توسعه سیستم‌های هوشمند:
آشنایی و تجربه کار با فریم‌ورک‌هایی مانند LangChain، LangGraph و LlamaIndex.

RAG Stack و بازیابی اطلاعات:
تسلط به معماری RAG، روش‌های بازیابی اطلاعات، Semantic Search، Embedding و تجربه کار با پایگاه‌های داده برداری مانند FAISS، Milvus، Qdrant یا pgvector.

ارزیابی و بهینه‌سازی مدل‌ها:
آشنایی با روش‌های ارزیابی مدل‌های NLP و LLM، طراحی Benchmark، تحلیل خطا، کاهش Hallucination و بهینه‌سازی کیفیت پاسخ‌های تولیدشده.
زیرساخت و استقرار:
تجربه توسعه API با ابزارهایی مانند FastAPI، آشنایی با REST API، gRPC، Docker و مفاهیم استقرار و مقیاس‌پذیری سرویس‌ها.
پایگاه داده و MLOps:
تسلط به مفاهیم پایگاه داده SQL و آشنایی با NoSQL، MLflow، DVC، Git و فرآیندهای CI/CD.
مهارت‌های عمومی و تخصصی:
توانایی تحلیل و حل مسائل پیچیده، مطالعه و تحلیل مستندات و مقالات علمی انگلیسی، توانایی تحقیق و یادگیری فناوری‌های جدید و قابلیت کار تیمی و مشارکت در تصمیم‌گیری‌های فنی.

رشته تحصیلی:

ترجیحاً فارغ‌التحصیل یکی از رشته‌های مهندسی کامپیوتر، هوش مصنوعی، علوم کامپیوتر، فناوری اطلاعات یا رشته‌های مرتبط باشد.

۴. حداقل سابقه کاری:

حداقل ۳ سال تجربه حرفه‌ای در حوزه هوش مصنوعی و یادگیری ماشین (ML/DL).
حداقل ۲ سال تجربه عملی و تخصصی در یکی از حوزه‌های NLP، LLM یا توسعه چت‌بات‌های هوشمند.
داشتن تجربه عملی در طراحی، توسعه و استقرار حداقل یک پروژه مبتنی بر NLP یا LLM در محیط عملیاتی، مزیت مهم محسوب می‌شود.

درباره شرکت

شرکت راه گزین رایانه در زمینه های اتوماسیون صنعتی و بانکی، ساخت و تولید سیستم های الکترونیک و الکترومکانیکی فعالیت دارد

این شرکت سعی کرده مجرب ترین متخصصین را در حوزه های مختلف شامل تحلیل کسب و کار، تحلیل و طراحی، تحقیق و توسعه، پیاده سازی و اجرا، امنیت، پشتیبانی و راهبری به کار بگیرد تا در راستای اهداف خود در حوزه طراحی و توسعه سیستم های بانکی و راهکارهای پرداخت بهتر قدم بردارد.