مسئولیت‌ها:
• توسعه، آموزش و بهینه‌سازی مدل‌های یادگیری ماشین و Deep Learning.
• پیاده‌سازی مدل‌ها در محیط تولید و مانیتورینگ عملکرد آنها.
• همکاری نزدیک با Data Engineer برای دریافت داده‌های آماده مدل.
• ایجاد ML pipelines و سرویس‌های API مدل‌ها.
• بهینه‌سازی مدل‌ها برای مقیاس‌پذیری و کارایی در محیط بانکی.
مهارت‌ها و فناوری‌ها:
• مسلط به زبان برنامه نویسی Python و کتابخانه‌های ML: scikit-learn، TensorFlow، PyTorch.
• تجربه در MLOps، CI/CD برای مدل‌ها.
• آشنایی با Kubernetes، Docker، Mlflow.
• توانایی کار با داده‌های بزرگ و پردازش موازی.
• مهارت در ارزیابی مدل‌ها، Cross Validation و Hyperparameter Tuning.
تجربه مورد انتظار:
• حداقل 2 تا 5 سال تجربه در پیاده‌سازی مدل‌های ML در محیط تولید.
• تجربه کار با داده‌های بانکی یا سیستم‌های مالی مزیت دارد.
شاخص‌های ارزیابی:
• توانایی انتخاب مدل مناسب برای مسئله داده‌ای.
• توانایی پیاده‌سازی و استقرار مدل در محیط واقعی.
• آشنایی با چالش‌های ML در داده‌های واقعی و حجم بالا.