مکان: هانوی
مسئولیت های کلیدی:
● طراحی، ساخت و رفع اشکال سیستم ها و برنامه های هوش مصنوعی در مقیاس تولید
بر روی GCP و AWS
● توسعه و نگهداری خطوط لوله CI/CD با استفاده از ابزارهایی مانند Jenkins، GitHub Actions یا
مشابه.
● بهینه سازی، بازنویسی، کانتینر سازی، استقرار و نظارت بر مدل های علوم داده، با اطمینان از
کنترل نسخه قوی و کنترل کیفیت.
● خودکارسازی تست، اعتبارسنجی و ارزیابی عملکرد مدل های یادگیری ماشین.
● همکاری با دانشمندان داده، مهندسان و معماران برای ارائه راه حل های مقیاسپذیر،
مستندسازی فرایندها به صورت واضح و جامع.
● مدیریت و بهینه سازی زیرساخت به عنوان کد (IaC) با استفاده از ابزارهایی مانند Terraform یا
CloudFormation برای اطمینان از محیط های مقیاسپذیر و قابل تولید مجدد.
● پیاده سازی و نظارت بر معیارهای عملکرد مدل در تولید، با اقداماتی پیشگیرانه برای رسیدگی به انحراف، تعصب یا کاهش
عملکرد.
● اطمینان از امنیت و انطباق سیستم های هوش مصنوعی، از جمله استانداردهای حریم خصوصی داده (مانند GDPR، HIPAA) و شیوه های استقرار امن.
صلاحیت های مورد نیاز:
● تجربه ثابت شده در طراحی و پیاده سازی خطوط لوله MLOps در پلتفرم های ابری
(ترجیحاً GCP و AWS).
● تخصص عملی با فریمورک های MLOps (مانند Kubeflow، MLFlow، Metaflow،
Ray) و ابزارهای کانتینر سازی (Docker، Kubernetes).
● مهارت های برنامه نویسی قوی در Python، Bash یا مشابه، همراه با دانش عمیق از
محیط های لینوکس.
● تجربه با ابزارهای نظارتی مانند Prometheus، Grafana یا فریمورک های لاگینگ سفارشی
برای ردیابی از عملکرد سیستم و مدل.
● دانش فریمورک های پردازش توزیع شده (مانند Spark، Ray) برای پردازش داده های در مقیاس بزرگ یا آموزش مدل.
● درک از API های RESTful و معماری میکروسرویس ها، با تجربه
در یکپارچه سازی مدل های ML به اکوسیستم های برنامه.
● مهارت های ارتباطی عالی به زبان انگلیسی، با رویکردی همکاری محور و تیمی.
صلاحیت های ترجیحی:
● تجربه با پردازش داده های زمان واقعی یا پردازش لبه.
● سابقه در برنامه های هوش مصنوعی/یادگیری ماشین مرتبط با علوم اعصاب، پوشیدنی ها یا تعامل انسان-
کامپیوتر (همسو با مأموریت EMOTIV).
لطفاً رزومه خود را به خانم ها یویِن به آدرس huyennguyen@emotiv.com ارسال کنید.
مکان: هانوی
مسئولیت های کلیدی:
● طراحی، ساخت و رفع اشکال سیستم ها و برنامه های هوش مصنوعی در مقیاس تولید
بر روی GCP و AWS
● توسعه و نگهداری خطوط لوله CI/CD با استفاده از ابزارهایی مانند Jenkins، GitHub Actions یا
مشابه.
● بهینه سازی، بازنویسی، کانتینر سازی، استقرار و نظارت بر مدل های علوم داده، با اطمینان از
کنترل نسخه قوی و کنترل کیفیت.
● خودکارسازی تست، اعتبارسنجی و ارزیابی عملکرد مدل های یادگیری ماشین.
● همکاری با دانشمندان داده، مهندسان و معماران برای ارائه راه حل های مقیاسپذیر،
مستندسازی فرایندها به صورت واضح و جامع.
● مدیریت و بهینه سازی زیرساخت به عنوان کد (IaC) با استفاده از ابزارهایی مانند Terraform یا
CloudFormation برای اطمینان از محیط های مقیاسپذیر و قابل تولید مجدد.
● پیاده سازی و نظارت بر معیارهای عملکرد مدل در تولید، با اقداماتی پیشگیرانه برای رسیدگی به انحراف، تعصب یا کاهش
عملکرد.
● اطمینان از امنیت و انطباق سیستم های هوش مصنوعی، از جمله استانداردهای حریم خصوصی داده (مانند GDPR، HIPAA) و شیوه های استقرار امن.
صلاحیت های مورد نیاز:
● تجربه ثابت شده در طراحی و پیاده سازی خطوط لوله MLOps در پلتفرم های ابری
(ترجیحاً GCP و AWS).
● تخصص عملی با فریمورک های MLOps (مانند Kubeflow، MLFlow، Metaflow،
Ray) و ابزارهای کانتینر سازی (Docker، Kubernetes).
● مهارت های برنامه نویسی قوی در Python، Bash یا مشابه، همراه با دانش عمیق از
محیط های لینوکس.
● تجربه با ابزارهای نظارتی مانند Prometheus، Grafana یا فریمورک های لاگینگ سفارشی
برای ردیابی از عملکرد سیستم و مدل.
● دانش فریمورک های پردازش توزیع شده (مانند Spark، Ray) برای پردازش داده های در مقیاس بزرگ یا آموزش مدل.
● درک از API های RESTful و معماری میکروسرویس ها، با تجربه
در یکپارچه سازی مدل های ML به اکوسیستم های برنامه.
● مهارت های ارتباطی عالی به زبان انگلیسی، با رویکردی همکاری محور و تیمی.
صلاحیت های ترجیحی:
● تجربه با پردازش داده های زمان واقعی یا پردازش لبه.
● سابقه در برنامه های هوش مصنوعی/یادگیری ماشین مرتبط با علوم اعصاب، پوشیدنی ها یا تعامل انسان-
کامپیوتر (همسو با مأموریت EMOTIV).
لطفاً رزومه خود را به خانم ها یویِن به آدرس huyennguyen@emotiv.com ارسال کنید.
مکان: هانوی
مسئولیت های کلیدی:
● طراحی، ساخت و رفع اشکال سیستم ها و برنامه های هوش مصنوعی در مقیاس تولید
بر روی GCP و AWS
● توسعه و نگهداری خطوط لوله CI/CD با استفاده از ابزارهایی مانند Jenkins، GitHub Actions یا
مشابه.
● بهینه سازی، بازنویسی، کانتینر سازی، استقرار و نظارت بر مدل های علوم داده، با اطمینان از
کنترل نسخه قوی و کنترل کیفیت.
● خودکارسازی تست، اعتبارسنجی و ارزیابی عملکرد مدل های یادگیری ماشین.
● همکاری با دانشمندان داده، مهندسان و معماران برای ارائه راه حل های مقیاسپذیر،
مستندسازی فرایندها به صورت واضح و جامع.
● مدیریت و بهینه سازی زیرساخت به عنوان کد (IaC) با استفاده از ابزارهایی مانند Terraform یا
CloudFormation برای اطمینان از محیط های مقیاسپذیر و قابل تولید مجدد.
● پیاده سازی و نظارت بر معیارهای عملکرد مدل در تولید، با اقداماتی پیشگیرانه برای رسیدگی به انحراف، تعصب یا کاهش
عملکرد.
● اطمینان از امنیت و انطباق سیستم های هوش مصنوعی، از جمله استانداردهای حریم خصوصی داده (مانند GDPR، HIPAA) و شیوه های استقرار امن.
صلاحیت های مورد نیاز:
● تجربه ثابت شده در طراحی و پیاده سازی خطوط لوله MLOps در پلتفرم های ابری
(ترجیحاً GCP و AWS).
● تخصص عملی با فریمورک های MLOps (مانند Kubeflow، MLFlow، Metaflow،
Ray) و ابزارهای کانتینر سازی (Docker، Kubernetes).
● مهارت های برنامه نویسی قوی در Python، Bash یا مشابه، همراه با دانش عمیق از
محیط های لینوکس.
● تجربه با ابزارهای نظارتی مانند Prometheus، Grafana یا فریمورک های لاگینگ سفارشی
برای ردیابی از عملکرد سیستم و مدل.
● دانش فریمورک های پردازش توزیع شده (مانند Spark، Ray) برای پردازش داده های در مقیاس بزرگ یا آموزش مدل.
● درک از API های RESTful و معماری میکروسرویس ها، با تجربه
در یکپارچه سازی مدل های ML به اکوسیستم های برنامه.
● مهارت های ارتباطی عالی به زبان انگلیسی، با رویکردی همکاری محور و تیمی.
صلاحیت های ترجیحی:
● تجربه با پردازش داده های زمان واقعی یا پردازش لبه.
● سابقه در برنامه های هوش مصنوعی/یادگیری ماشین مرتبط با علوم اعصاب، پوشیدنی ها یا تعامل انسان-
کامپیوتر (همسو با مأموریت EMOTIV).
لطفاً رزومه خود را به خانم ها یویِن به آدرس huyennguyen@emotiv.com ارسال کنید.