Старший дата-сайентист

Əsas vəzifələr

• Mürəkkəb biznes və müştəri problemlərinin həlli üçün süni intellekt (AI) və maşın öyrənməsi (ML) əsaslı həllərin layihələndirilməsi, hazırlanması və istehsalat mühitində tətbiqinin təmin edilməsi.
• Biznes tələblərinə uyğun olaraq Generativ Süni İntellekt (GenAI), Dərin Öyrənmə (Deep Learning), Təbii Dilin Emalı (NLP), Nitq Texnologiyaları (Speech AI) və Klassik Maşın Öyrənməsi (Classical ML) istiqamətləri üzrə müvafiq yanaşmaların seçilməsi və həllərin hazırlanması.
• Generativ Süni İntellekt və LLM əsasında həllərin layihələndirilməsi və hazırlanması, o cümlədən qabaqcıl məlumat axtarışı (retrieval) metodlarından istifadə edən RAG əsaslı sistemlərin, xarici alətlər və sistemlərlə inteqrasiya olunmuş AI agentlərinin, çoxagentli sistemlərin (Multi-Agent Systems), eləcə də korporativ məlumat mənbələri və sistemləri ilə inteqrasiya edilmiş uçdan-uca intellektual iş axınlarının yaradılması.
• Müxtəlif yanaşmaların əsaslandırılması, alternativ həllərin müqayisəsi və modellərin effektivliyinin artırılması məqsədilə məlumatların təhlili, eksperimentlərin aparılması və modellərin qiymətləndirilməsi.
• Biznes problemlərinin, məqsədlərin və ölçülə bilən uğur meyarlarının müəyyənləşdirilməsi üçün aidiyyəti tərəflərlə (stakeholders) əməkdaşlıq edilməsi.
• Etibarlı, miqyaslana bilən və texniki baxımdan davamlı AI/ML sistemlərinin hazırlanması üçün proqram təminatının mühəndisliyi üzrə qabaqcıl təcrübə və prinsiplərin tətbiq edilməsi.

Tələblər

• Minimum 5 years of professional experience in Data Science, Artificial Intelligence (AI), Machine Learning (ML), or related fields.
• English language proficiency at a minimum B2 level.İngilis dilində peşəkar iş səviyyəsində bilik.
• Python proqramlaşdırma dili üzrə yüksək səviyyədə bilik və praktiki bacarıqlar, Git ilə işləmə təcrübəsi, müvafiq AI/ML freymvorkları və kitabxanaları ilə praktiki iş təcrübəsi.
• Aşağıdakı istiqamətlərdən ən azı biri üzrə güclü peşəkar təcrübə:
• Generativ Süni İntellekt (Generative AI / LLM)
• Dərin Öyrənmə (Deep Learning)
• Təbii Dilin Emalı və Nitq Texnologiyaları (NLP / Speech AI)
• Klassik Maşın Öyrənməsi (Classical Machine Learning)
• Müvafiq AI/ML konsepsiyaları, model arxitekturaları, eksperimentlərin aparılması və qiymətləndirmə metodları üzrə dərin biliklər.
• AI/ML əsaslı həllərin prototip mərhələsindən real istehsalat mühitində (production) tətbiqinə qədər bütün mərhələlərində təsdiqlənmiş praktiki təcrübə.
• Güclü analitik düşünmə, problemlərin həlli və məlumatlara əsaslanan qərarvermə bacarıqları.
• GPU əsaslı model təlimi və tətbiqi (training and deployment), paylanmış hesablama (distributed computing), həmçinin AWS-in AI/ML xidmətləri və infrastrukturu ilə praktiki iş təcrübəsi.
• Böyük Dil Modellərinin (LLM) təlimi və əlavə təlimi (fine-tuning), qiymətləndirilməsi, kontekstin idarə edilməsi və optimallaşdırılması (context engineering), eləcə də inferensiya prosesinin optimallaşdırılması (inference optimization) üzrə təcrübə.
• Telekommunikasiya sahəsində və ya genişmiqyaslı müştəriyönümlü xidmət mühitlərində AI/ML həllərinin tətbiqi üzrə təcrübə.