Θέσεις Εργασίας AI / Machine Learning Engineer - Νομός Θεσσαλονίκης | Πληροφορική

4 θέσεις από 1 εταιρείες

Αναζήτηση Θέσης Εργασίας

Σχετικά με τις θέσεις AI / Machine Learning Engineer

Ο Μηχανικός Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης αναπτύσσει και υλοποιεί έξυπνα αλγόριθμους και μοντέλα που επιτρέπουν στις μηχανές να μαθαίνουν και να παίρνουν αποφάσεις αυτόνομα. Συνεργάζεται με επιστήμονες δεδομένων και ομάδες λογισμικού για να σχεδιάσει επεκτάσιμες λύσεις AI, να αυτοματοποιήσει διαδικασίες και να βελτιώσει τις επιχειρησιακές αναλύσεις. Ο ρόλος έχει ζήτηση σε κλάδους όπως η τεχνολογία, τα οικονομικά και η βιομηχανία, με σημαντικές προοπτικές εξέλιξης.

Βρες τον επόμενο εργοδότη σου

Ανακάλυψε ενεργές ευκαιρίες από κορυφαίες εταιρείες

Απαιτούμενες Δεξιότητες

Βασικές δεξιότητες για θέσεις AI / Machine Learning Engineer

Γενετική Τεχνητή ΝοημοσύνηΑπαραίτητη

Εξειδίκευση στο σχεδιασμό και την υλοποίηση μοντέλων τεχνητής νοημοσύνης που δημιουργούν νέο περιεχόμενο με βάση δεδομένα εκπαίδευσης.

PythonΑπαραίτητη

Ικανότητα προγραμματισμού στη γλώσσα Python για ανάπτυξη λογισμικού, αυτοματοποίηση και ανάλυση δεδομένων.

Μηχανική ΜάθησηΑπαραίτητη

Ικανότητα ανάπτυξης αλγορίθμων και στατιστικών μοντέλων που επιτρέπουν στους υπολογιστές να μαθαίνουν από δεδομένα και να κάνουν προβλέψεις.

JavaΑπαραίτητη

Ικανότητα προγραμματισμού στη γλώσσα Java για ανάπτυξη εφαρμογών πολλαπλών πλατφορμών και συστημάτων backend.

Prompt EngineeringΑπαραίτητη

Η ικανότητα σχεδιασμού και βελτιστοποίησης εισαγωγικών ερωτημάτων για βελτιστοποίηση των αποτελεσμάτων των μοντέλων γλωσσικής τεχνητής νοημοσύνης.

Μεγάλα Γλωσσικά ΜοντέλαΑπαραίτητη

Εξειδίκευση στην κατανόηση και χρήση μεγάλων νευρωνικών δικτύων που έχουν σχεδιαστεί για την επεξεργασία και παραγωγή ανθρώπινης γλώσσας.

TransformersΑπαραίτητη

Εμπειρία και γνώση των μοντέλων Transformer που χρησιμοποιούνται στην επεξεργασία φυσικής γλώσσας και μηχανική μάθηση.

Αρχιτεκτονική MicroservicesΣυνηθισμένη

Σχεδίαση και υλοποίηση εφαρμογών ως σύνολο μικρών, ανεξάρτητα αναπτύξιμων υπηρεσιών.

Σχεσιακές Βάσεις ΔεδομένωνΣυνηθισμένη

Γνώση δομημένων βάσεων δεδομένων που αποθηκεύουν δεδομένα σε πίνακες με σχέσεις μεταξύ τους.

Επιπλέον Δεξιότητες & Χαρακτηριστικά

Επιθυμητές δεξιότητες και ήπιες δεξιότητες που μπορούν να σε ξεχωρίσουν

NoSQL

Γνώση βάσεων δεδομένων NoSQL που αποθηκεύουν και ανακτούν δεδομένα διαφορετικά από τις παραδοσιακές σχεσιακές βάσεις, όπως MongoDB και Redis.

Fine-tuning

Η διαδικασία διενέργειας μικρών προσαρμογών ή βελτιώσεων για τη βελτιστοποίηση της απόδοσης.

Συστήματα GPU

Εμπειρία στη χρήση συστημάτων επεξεργαστών γραφικών (GPU) για την επιτάχυνση διαδικασιών εκπαίδευσης σε υπολογιστικές εργασίες.

Ομαδικότητα

Ικανότητα να συνεργάζεται αποτελεσματικά με άλλους για την επίτευξη κοινών στόχων.

Δημιουργικότητα

Ικανότητα δημιουργίας καινοτόμων ιδεών και σκέψης πέρα από τα συνηθισμένα.

Επίλυση Προβλημάτων

Ικανότητα εντοπισμού προβλημάτων και ανάπτυξης αποτελεσματικών λύσεων με αποδοτικότητα.

Πρωτοβουλία

Ικανότητα να αναλαμβάνει κανείς πρωτοβουλίες και να ξεκινά εργασίες αυτόνομα χωρίς καθοδήγηση.

Προθυμία για Μάθηση

Ενθουσιασμός και ανοιχτότητα για απόκτηση νέων γνώσεων και δεξιοτήτων.

Καινοτομία

Ικανότητα να δημιουργεί και να εφαρμόζει νέες ιδέες, προσεγγίσεις ή λύσεις για τη βελτίωση διαδικασιών ή προϊόντων.

Συνεχής Μάθηση

Δέσμευση στη διαρκή απόκτηση νέων γνώσεων και δεξιοτήτων για προσωπική βελτίωση.

Εκπαιδευτικό Υπόβαθρο

Προτεινόμενη εκπαίδευση και προσόντα για θέσεις AI / Machine Learning Engineer

Πληροφορική

Μελέτη των υπολογιστικών συστημάτων, προγραμματισμού, αλγορίθμων και ανάπτυξης λογισμικού.

Μηχανική

Μελέτη της εφαρμογής επιστημονικών αρχών για το σχεδιασμό, την κατασκευή και τη συντήρηση κατασκευών και μηχανών.

Οποιοδήποτε Πεδίο

Δεν απαιτείται συγκεκριμένο ακαδημαϊκό πεδίο; ανοικτό σε όλα τα εκπαιδευτικά υπόβαθρα.

Μαθηματικά

Μελέτη των αριθμών, ποσοτήτων, σχημάτων και των σχέσεών τους μέσω αφηρημένης σκέψης και λογικής συλλογιστικής.

Επιστήμη Δεδομένων

Μελέτη μεθόδων ανάλυσης, ερμηνείας και εξαγωγής γνώσης από δεδομένα χρησιμοποιώντας στατιστικές και υπολογιστικές τεχνικές.

Κατανομή Επιπέδου

Αρχάριος50%
Έμπειρος50%

Απαιτούμενη Εμπειρία

Μέση εμπειρία: 1 χρόνια
0-2 χρόνια100%