مقام: ہنوئی

کلیدی ذمہ داریاں:
● پروڈکشن-گریڈ AI سسٹمز اور ایپلیکیشنز کو ڈیزائن، تعمیر اور ان کی خرابیوں کا پتہ لگانا
GCP & AWS
● جیسے ٹولز استعمال کرتے ہوئے CI/CD پائپ لائنز تیار اور برقرار رکھنا Jenkins, GitHub Actions, یا
مشابہ.
● ڈیٹا سائنس ماڈلز کو بہتر بنانا، دوبارہ تشکیل دینا، کنٹینرائز کرنا، تعینات کرنا، اور مانیٹر کرنا، یقین
مضبوط ورژننگ اور کوالٹی کنٹرول.
● مشین لرننگ ماڈلز کی ٹیسٹنگ، توثیق، اور کارکردگی کی تشخیص کو خودکار بنانا.
● ڈیٹا سائنسدانوں، انجینئرز، اور معماروں کے ساتھ شراکت کرنا، اسکیل ایبل حل فراہم کرنے کے لیے,
واضح اور جامع انداز میں عمل کو دستاویز کرنا.
● جیسے ٹولز استعمال کرتے ہوئے انفراسٹرکچر-از-کوڈ (IaC) کو منظم اور بہتر بنانا Terraform یا
CloudFormation تاکہ اسکیل ایبل اور دوبارہ پیدا ہونے والے ماحول کو یقینی بنایا جا سکے.
● پروڈکشن میں ماڈل کارکردگی کے میٹرکس کو نافذ کرنا اور مانیٹر کرنا، فعال طور پر مخاطب ڈرِفٹ، تعصب، یا انحطاط.
● AI سسٹمز کی سیکیورٹی اور تعمیل کو یقینی بنانا، بشمول ڈیٹا کی پرائیویسی معیار (مثلاً GDPR, HIPAA) اور محفوظ ڈیپلوئمنٹ کے طریقے.

ضروری تعلیمی قابلیت:
● کلاؤڈ پلیٹ فارمز پر MLOps پائپ لائنز کو ڈیزائن اور نافذ کرنے کا تجربہ
(ترجیحاً GCP & AWS).
● MLOps فریم ورک کے ساتھ عملی مہارت (مثلاً، Kubeflow, MLFlow, Metaflow,
Ray) اور کنٹینرائزیشن ٹولز (Docker, Kubernetes).
● Python, Bash یا مشابہ میں مضبوط پروگرامینگ مہارتیں، Linux ماحول کے بارے میں گہرا علم
ساتھ.
● پرو میتھیس، گرافانا، یا حسبِ خواہش لاگنگ فریم ورک جیسی مانیٹرنگ ٹولز کا تجربہ
سسٹم اور ماڈل کی کارکردگی کی نگرانی کے لیے.
● تقسیم شدہ کمپیوٹنگ فریم ورک کے علم (مثلاً، Spark, Ray) بڑے پیمانے پر ڈیٹا پروسیسنگ یا ماڈل ٹریننگ کو سنبھالنے کے لیے.
● RESTful APIs اور مائیکروسرویس آرکیٹیکچر کی سمجھ، کے ساتھ تجربہ
ایپلیکیشن ایکوسسٹمز میں ML ماڈلز کو انٹیگریٹ کرنا.
● بہترین انگریزی مواصلاتی مہارتیں، تعاون پر مبنی، ٹیم مرکوز نقطہ نظر کے ساتھ.
ترجیحی قابلیت:
● حقیقی وقت کے ڈیٹا پروسیسنگ یا ایج کمپیوٹنگ کا تجربہ.

● AI/ML ایپلیکیشنز کے شعبے میں پس منظر جو نیورو سائنس، ویربلز، یا انسانی-
کمپیوٹر تعامل سے منسلک ہیں (EMOTIV کے مشن کے ساتھ مطابق).
براہ کرم اپنا سی وی محترمہ ہویئن کو ارسال کریں huyennguyen@emotiv.com.