مهندس یادگیری ماشین: کار از داده تا سرور، بازار کار ایران و حقوق ۱۴۰۵
شغلمهندس یادگیری ماشین کسی است که از دادههای یک کسب‌وکار مدلی میسازد که پیشبینی کند، آن را روی سرور می‌برد و مراقب است با گذشت زمان از کار نیفتد. این صفحه کار او را قدم به قدم نشان می‌دهد، ۱۲۰ آگهی استخدام آبان ۱۴۰۵ را که ساختن و آموزش مدل می‌خواستند بررسی میکند و حقوق هر سطح و راه رسیدن به این شغل را می‌گوید.
نقشه راه مهندس یادگیری ماشین: سه سطح و ساعت آموزش
هر سطح روی سطح قبلی ساخته میشود. عددهای هر سطح از آگهیهای آبان ۱۴۰۵ است.
دوره‌های رسمی چند ساعت و چقدر هزینه دارند؟
روی هر ایستگاه جاده بزن تا آن دوره را ببینی.
کل این مسیر را کجا بخوانم؟
در حال بارگذاری…
فقط چند دوره را می‌خواهی؟ روی هر ایستگاه جاده بزن و «صفحه‌ی کامل این دوره» را باز کن؛ آموزشگاه‌های همان یک دوره آنجا هستند.
- ۱
تازه‌نفس: پایتون، داده و مدلهای کلاسیک
دوره پایتون و کار با داده، آمار و جبر خطی برای داده، یک دوره یادگیری ماشین مقدماتی، SQL، Git و لینوکس. خروجی این سطح دو سه پروژه کوچک با داده جدولی است و هدفش آگهیهای کارآموزی و کارشناس داده است.
- ۲
ماهر: یادگیری عمیق، ارزیابی و استقرار
دوره شبکههای عصبی با PyTorch، ارزیابی درست مدل، ساختن API و کار با Docker و ثبت آزمایش‌ها. در این سطح می‌توانی برای ۵۸ آگهی سطح کارشناس درخواست بدهی که میانه پیشنهادشان ۴۰ تا ۶۰ میلیون بود.
- ۳
سوپرحرفه‌ای: MLOps، زیرساخت و طراحی سیستم
دوره‌های پیشرفته MLOps، Kubernetes، بهینه‌سازی اجرای مدل روی GPU، آموزش توزیع‌شده و فاین‌تیون مدل زبانی، همراه با طراحی سیستم‌های یادگیری ماشین و رهبری تیم. ۵۲ آگهی کارشناس ارشد این سطح را می‌خواستند.
در فهرست سقف شهریه آموزشگاه‌های آزاد فنی و حرفه‌ای تهران در ۱۴۰۵ سه استاندارد پشت هم سطح اول را می‌پوشانند: «برنامه نویسی python» با ۱۱۰ ساعت و سقف ۲۳٫۷ میلیون تومان حضوری، «تحلیل داده با پایتون (با رویکرد علم داده)» با ۶۰ ساعت و ۲۵٫۸ میلیون، و «تجزیه و تحلیل داده به روش یادگیری ماشین» با ۱۷۰ ساعت و ۳۰٫۶ میلیون. جمع این سه، ۳۴۰ ساعت و حدود ۸۰٫۱ میلیون تومان حضوری یا ۶۴٫۱ میلیون تومان مجازی است.
این فهرست استانداردی برای یادگیری عمیق، PyTorch یا MLOps ندارد. پس سطح دوم و سوم از دوره‌های آزاد، مستندات انگلیسی و پروژه واقعی ساخته میشود. ترتیب هم مهم است: بدون پایتون و آمار، دوره یادگیری عمیق فقط کپی کردن کد است و بدون استقرار، مدلی که ساخته‌ای در آگهیهای این صفحه ارزش چندانی ندارد.
مهندس یادگیری ماشین کیست و یک مدل را چطور از داده به سرور می‌رساند؟
کار مهندس یادگیری ماشین را بهتر است با یک پروژه واقعی دید. فرض کن یک شرکت وام خرد میخواهد بداند کدام مشتری قسطش را دیر می‌دهد. مدیر شرکت سوالش را به زبان کسب‌وکار می‌پرسد؛ مهندس یادگیری ماشین آن را به مسئله‌ای تبدیل میکند که بشود با داده جوابش را داد و بعد جواب را به سیستمی تبدیل میکند که هر روز، بدون دخالت او، کار کند. این مسیر پنج مرحله دارد.
۱. تعریف مسئله و معیار موفقیت
«مشتری بدحساب» باید دقیق تعریف شود؛ مثلا «بیش از ۹۰ روز تاخیر در یکی از سه قسط اول». بعد باید روشن شود خطای کدام طرف گران‌تر است: رد کردن مشتری خوش‌حساب یا پذیرفتن مشتری بدحساب. همین انتخاب تعیین میکند مدل با چه عددی سنجیده شود.
۲. داده و ساختن ویژگی
داده با SQL از پایگاه‌داده بیرون کشیده میشود، رکوردهای خراب و تکراری کنار می‌روند و از داده خام «ویژگی» ساخته میشود: تعداد تاخیرهای شش ماه گذشته، نسبت قسط به درآمد، مدت عضویت. بیشتر دقت یک مدل از همین ویژگی‌ها می‌آید، نه از الگوریتم.
۳. آموزش و ارزیابی
اول یک مدل ساده ساخته میشود تا خط پایه روشن شود، بعد مدلهای قوی‌تر مثل درختهای تقویتشده یا شبکه عصبی امتحان می‌شوند. داده آزمون باید از داده آموزش جدا بماند و هیچ اطلاعاتی از آینده وارد ویژگی‌ها نشود؛ وگرنه مدل روی کاغذ عالی است و در عمل شکست می‌خورد.
۴. استقرار
مدل نهایی در یک بسته Docker قرار می‌گیرد و از راه یک API در اختیار برنامه شرکت گذاشته میشود تا هر درخواست وام در کسری از ثانیه امتیاز بگیرد. گاهی هم مدل شبانه روی همه پرونده‌ها اجرا میشود و نتیجه را در جدولی می‌نویسد.
۵. پایش و آموزش دوباره
رفتار مشتری‌ها با تورم، قانون تازه یا تبلیغ جدید عوض میشود و مدلی که شش ماه پیش خوب بود کم‌کم خطا میکند. مهندس یادگیری ماشین این افت را با داشبورد و هشدار می‌بیند، نسخه‌های مدل و داده را ثبت میکند و مدل را با داده تازه دوباره آموزش می‌دهد. به مجموعه این کارها MLOps می‌گویند.
شرح رسمی گواهینامه‌های بین‌المللی این شغل هم همین چرخه را می‌گوید: ساختن، ارزیابی، بردن به محیط واقعی و بهینه کردن مدل، همراه با کد تمیز و تکرارپذیر. برای همین مهندس یادگیری ماشین هم باید آمار بداند و هم مثل یک برنامه‌نویس حرفه‌ای کد بنویسد.
یادگیری ماشین چیست؟ پاسخ از نگاه کسی که مدل را میسازد
در برنامه‌نویسی معمولی، برنامه‌نویس قاعده را می‌نویسد: «اگر سه قسط عقب افتاد، هشدار بده». در یادگیری ماشین قاعده نوشته نمی‌شود؛ هزاران نمونه با جواب درست به الگوریتم داده میشود و الگوریتم خودش عددهای درون یک تابع را طوری تنظیم میکند که روی نمونه‌های تازه هم کمترین خطا را داشته باشد. حاصل این تنظیم «مدل» نام دارد.
سه نوع یادگیری که در آگهیها می‌بینی
- با ناظر: هر نمونه جواب دارد؛ مثل «این تراکنش تقلب بود یا نه» یا «این خانه چند فروخته شد». بیشتر کار روزمره مهندسان یادگیری ماشین در ایران از این نوع است: پیشبینی، امتیازدهی اعتباری و قیمت‌گذاری.
- بدون ناظر: جواب وجود ندارد و مدل گروه‌ها یا رفتارهای غیرعادی را پیدا میکند؛ مثل دسته‌بندی مشتری‌ها برای پیشنهاد کالا یا پیدا کردن تراکنش عجیب.
- تقویتی: مدل با آزمون و خطا و گرفتن پاداش یاد می‌گیرد. در آگهیهای ایران کم دیده میشود و بیشتر در پژوهش و رباتیک است.
یادگیری عمیق و مدلهای زبانی کجای ماجرا هستند؟
یادگیری عمیق همان یادگیری ماشین است با شبکههای عصبی چندلایه. برای متن، صدا و تصویر بهترین ابزار است و کارت گرافیک (GPU) میخواهد. ولی برای دادههای جدولی مثل سوابق بانکی، مدلهای درختی معمولا سریع‌تر، ارزان‌تر و هم‌اندازه دقیق‌اند. مدلهای زبانی بزرگ هم نوعی مدل یادگیری عمیق‌اند و حالا در ۷۴ آگهی از ۱۲۰ آگهی این صفحه نامشان آمده است.
آنچه یادگیری ماشین نیست
مدل فقط به اندازه داده‌اش خوب است. اگر در داده یک بانک فقط ۱٪ تراکنش‌ها تقلب باشند، مدلی که همیشه بگوید «تقلب نیست» دقت ۹۹٪ دارد و هیچ فایده‌ای ندارد. تشخیص همین دام‌ها بخش اصلی مهارت این شغل است. تعریف کلی هوش مصنوعی و شاخه‌های آن در صفحه گروه هوش مصنوعی و یادگیری ماشین آمده است.
بازار کار ماشین لرنینگ در ایران: آگهیهای آبان ۱۴۰۵ چه می‌گویند؟
همه آگهیهای فعال یک سایت بزرگ کاریابی با کلیدواژه‌های یادگیری ماشین، ماشین لرنینگ، یادگیری عمیق، MLOps و ML engineer در ۱۶ آبان ۱۴۰۵ جمع شد و عنوان و متن تک‌تک آن‌ها خوانده شد.
از ۲۰۸ آگهی، ۳۳ آگهی عنوان مهندس یادگیری ماشین، ML engineer یا MLOps داشتند. بقیه آگهی‌هایی که کار مدل‌سازی می‌خواستند عنوان دیگری داشتند: ۵۸ آگهی مهندس هوش مصنوعی، ۲۳ آگهی دانشمند داده، ۶ آگهی بینایی ماشین و ۴ آگهی گفتار و زبان. وقتی فقط آگهی‌هایی را نگه داریم که در متنشان آموزش مدل یا کتابخانه‌های یادگیری ماشین آمده، ۱۲۰ آگهی می‌ماند. یعنی کسی که این مهارت را دارد باید زیر چند عنوان مختلف دنبال کار بگردد.
پایتون در ۱۱۳ آگهی از این ۱۲۰ آگهی آمده و عملا پیش‌شرط است. بعد از آن مدلهای زبانی (۷۴)، Docker یا Kubernetes (۵۷)، PyTorch (۵۶) و MLOps (۵۳) بیشترین تکرار را داشتند. این ترتیب نشان می‌دهد کارفرماها بیشتر از آنکه دنبال کسی باشند که فقط مدل را در نوت‌بوک آموزش دهد، کسی را میخواهند که مدل را به سرویس واقعی برساند.
سطح آگهیها هم بالاست: ۵۸ آگهی سطح کارشناس، ۵۲ آگهی کارشناس ارشد، ۷ آگهی مدیر میانی و فقط ۳ آگهی کارآموزی بود. بازار ماشین لرنینگ ایران کوچک و بیشتر برای افراد باتجربه است و بسیاری از مهندسان یادگیری ماشین از شغل‌های نزدیک مثل تحلیل داده یا برنامه‌نویسی بک‌اند وارد آن شده‌اند.
ابزار هر مرحله کار و تعداد آگهی‌هایی که خواسته‌اند
این جدول مرحله‌های کار در بخش اول را به ابزارهایش وصل میکند. ستون آخر می‌گوید چند آگهی از ۱۲۰ آگهی آبان ۱۴۰۵ نام آن ابزار را آورده‌اند.
| مرحله کار | ابزارهای رایج | آگهی‌هایی که خواسته‌اند |
|---|---|---|
| زبان و کار با داده | Python، NumPy، Pandas | پایتون ۱۱۳؛ NumPy یا Pandas ۲۳ |
| بیرون کشیدن داده | SQL، Spark، Kafka | SQL ۳۹؛ Spark یا Kafka ۱۳ |
| مدلهای کلاسیک | scikit-learn، XGBoost، LightGBM | scikit-learn ۲۸؛ مدلهای تقویتی ۱۰ |
| یادگیری عمیق | PyTorch، TensorFlow، Keras | PyTorch ۵۶؛ TensorFlow یا Keras ۴۰ |
| مدل زبانی | Transformer، RAG، فاین‌تیون | ۷۴ |
| استقرار و سرویس‌دهی | Docker، Kubernetes، FastAPI، ONNX، Triton | Docker یا Kubernetes ۵۷؛ ابزار سرویس‌دهی ۴۰ |
| MLOps | MLflow، Airflow، Kubeflow، DVC | ۵۳ |
| سخت‌افزار | GPU و CUDA | ۱۹ |
مهندس یادگیری ماشین در ایران برای چه کسب‌وکارهایی کار میکند؟
عنوان آگهیهای آبان ۱۴۰۵ نشان می‌دهد مدلها در کدام صنعت ساخته می‌شوند.
فین‌تک، وام و پرداخت
امتیازدهی اعتباری، پیشبینی نکول و کشف تقلب. عنوان‌هایی مثل «مهندس ارشد یادگیری ماشین (Lendtech/Fintech)»، «Data Scientist - Risk» و «Fraud Detection Expert» از همین دسته‌اند.
فروش اینترنتی و قیمت‌گذاری
سامانه پیشنهاد کالا، پیشبینی تقاضا و قیمت‌گذاری پویا. ۹ آگهی سامانه پیشنهاددهنده را نام برده بودند و یک آگهی عنوان «Pricing Data Scientist» داشت.
محصولات متن و گفتار
تبدیل گفتار به متن و متن به گفتار، جست‌وجوی معنایی و دستیار روی اسناد. آگهی‌هایی مثل «Speech / Audio ML Engineer» و «Senior ML Engineer (LLM / RAG)».
صنعت، مخابرات و پژوهش
پیشبینی خرابی دستگاه، پردازش سیگنال مخابراتی و حتی پژوهش در علم مواد با یادگیری ماشین. این آگهیها بیشتر رشته برق، مکانیک یا مواد را هم می‌پذیرند.
زیرساخت و MLOps
تیم‌هایی که خودشان مدل نمی‌سازند و بستر آموزش، نسخهبندی و سرویس‌دهی مدلها را برای بقیه می‌سازند. چهار آگهی عنوان MLOps داشتند.
یک واقعیت پیش از تصمیم
از ۳۳ آگهی با عنوان مهندس یادگیری ماشین یا MLOps، ۳۲ آگهی در تهران بود و همه تماموقت. اگر در شهر دیگری زندگی می‌کنی، باید روی کار حضوری در تهران یا چند آگهی دورکاری محدود حساب کنی.
حقوق مهندس یادگیری ماشین در ۱۴۰۵: دریافتی، درخواستی و پیشنهاد آگهیها
ماهانه و خالص، سطح کارشناس در تهران، ۱۴۰۴. این عدد مربوط به کلِ گروه هوش مصنوعی و یادگیری ماشین است، نه یک عنوان شغلی خاص.
سالانه و ناخالص، عددِ میانه و بازه‌ی نیمه‌ی میانیِ بازار. شغلِ متناظر: Data Scientists. منبع: اداره‌ی آمار کار آمریکا (۲۰۲۵) و Job Bank کانادا (۲۰۲۵).
| سطح و شهر | دریافتی پایان ۱۴۰۴ (میانه) | نیمه میانی دریافتی | درخواستی ۱۴۰۵ (میانه) |
|---|---|---|---|
| کارشناس، شهرهای کوچک | ۲۴ | ۱۹ تا ۳۳ | ۳۶ |
| کارشناس، تهران | ۳۵ | ۲۶ تا ۴۵ | ۵۰ |
| کارشناس ارشد، کل کشور | ۵۰ | ۴۱ تا ۶۳ | ۷۳ |
| مدیر، تهران | ۷۹ | ۶۵ تا ۱۰۵ | ۱۱۶ |
گزارش‌های معتبر حقوق ۱۴۰۵ برای مهندس یادگیری ماشین جدول جدا ندارند و او را در گروه «علوم داده و هوش مصنوعی» آورده‌اند؛ گروهی که کارشناس یادگیری ماشین یکی از شغل‌های نمونه آن است. پس عددهای جدول عدد خود این خانواده شغلی‌اند، نه شغلی دیگر. «دریافتی» حقوقی است که افراد پایان ۱۴۰۴ گرفته‌اند و «درخواستی» حقوقی که برای ۱۴۰۵ میخواهند. در تهران، میانه درخواستی کارشناس (۵۰ میلیون) حدود ۱۵ میلیون بیشتر از میانه دریافتی همین سطح (۳۵ میلیون) است.
از ۱۲۰ آگهی آبان ۱۴۰۵، فقط ۲۲ آگهی عدد حقوق نوشته بودند. میانه کف پیشنهاد آن‌ها ۵۰ و میانه سقف ۶۲٫۵ میلیون تومان در ماه بود. ۱۲ آگهی سطح کارشناس میانه ۴۰ تا ۶۰ میلیون و ۸ آگهی کارشناس ارشد میانه ۷۰ تا ۱۲۰ میلیون پیشنهاد داده بودند. بالاترین بازه، ۲۰۰ تا ۲۶۰ میلیون، برای یک مهندس ارشد یادگیری ماشین کاربردی بود و تنها آگهی کارآموزی با عدد حقوق ۱۰ تا ۱۵ میلیون پیشنهاد داده بود.
پیشنهاد آگهیهای کارشناس از دریافتی همین سطح در تهران (۳۵ میلیون) بالاتر است. دلیلش این است که آگهیهای این صفحه بیشتر کار استقرار و MLOps میخواهند و شرکت‌هایی که چنین کاری دارند بیشتر پرداخت می‌کنند. آنچه حقوق را بالا می‌برد: تجربه بردن مدل به محیط واقعی، کار با داده مالی و بانکی، خواندن و نوشتن انگلیسی و سابقه کار با GPU. شروع از شهرهای کوچک یا کار کارآموزی، عددی نزدیک به حداقل حقوق قانونی دارد.
حقوق مهندس یادگیری ماشین در آمریکا و کانادا
آمار رسمی آمریکا شغل جداگانه‌ای به نام مهندس یادگیری ماشین ندارد و نزدیک‌ترین گروه به آن «دانشمند داده» است. میانه حقوق سالانه این گروه در آمریکا در آمار مه ۲۰۲۵ ۱۲۰٬۲۳۰ دلار ناخالص بود؛ یک‌چهارم پایین کمتر از ۸۵٬۶۶۰ و یک‌چهارم بالا بیشتر از ۱۵۸٬۸۸۰ دلار. در کانادا میانه همین گروه ۹۵٬۹۹۲ دلار کانادا در سال است (آمار نوامبر ۲۰۲۵). این عددها ناخالص و پیش از مالیات‌اند و به تومان تبدیل نشده‌اند، چون هزینه زندگی آن کشورها با ایران قابل مقایسه نیست.
آگهیهای استخدام مهندس یادگیری ماشین چه شرطی گذاشته‌اند؟
شرطهای زیر از جزئیات همان ۱۲۰ آگهی آبان ۱۴۰۵ آمده است.
- جنسیت: ۱۱۱ آگهی شرطی نگذاشته بودند. ۶ آگهی آقا و ۳ آگهی خانم را ترجیح داده یا شرط کرده بودند.
- خدمت سربازی: ۳۵ آگهی کارت پایان خدمت یا معافی خواسته بودند؛ در ۳۳ آگهی با عنوان مهندس یادگیری ماشین این عدد ۱۲ بود.
- سن: ۴۶ آگهی سقف سنی نوشته بودند؛ بیشترشان ۳۵ سال (۱۲ آگهی) و ۴۰ سال (۱۱ آگهی).
- مدرک: ۹۲ آگهی مدرک خواسته بودند. کارشناسی ۱۰۴ بار، کارشناسی ارشد ۳۲ بار و دکتری ۲ بار در شرط‌ها آمده بود. رشته کامپیوتر و فناوری اطلاعات ۹۰ بار، ریاضی و آمار ۲۲ بار و برق ۱۳ بار.
- نوع کار: ۱۰۹ آگهی تماموقت بودند و فقط ۱۲ آگهی امکان دورکاری را علامت زده بودند.
- زبان انگلیسی: ۴۲ آگهی کامل به انگلیسی نوشته شده بودند و ۱۱ آگهی دیگر هم انگلیسی را در شرط‌ها آورده بودند.
- آزمون فنی: ۱۵ آگهی از آزمون، تمرین یا تسک فنی پیش از استخدام نام برده بودند.
نتیجه برای کسی که رزومه می‌فرستد: مدرک ریاضی و آمار هم پذیرفته میشود، ولی کارفرما باید ببیند تو مدل را تا آخر برده‌ای. یک پروژه کامل که داده واقعی دارد، ارزیابی درست دارد و از راه یک API قابل استفاده است، از چند مدرک دوره کوتاه بیشتر دیده میشود.
گواهینامه بین‌المللی از ایران چقدر در دسترس است؟
دو گواهینامه شناخته‌شده این شغل مال شرکت‌های ابری‌اند. آزمون مهندس حرفه‌ای یادگیری ماشین Google Cloud دو ساعت است، ۵۰ تا ۶۰ پرسش دارد، ۲۰۰ دلار هزینه دارد، دو سال اعتبار دارد و برای کسی با بیش از سه سال تجربه توصیه شده است. آزمون AWS Certified Machine Learning Engineer در نسخه MLA-C01 صد و سی دقیقه، ۶۵ پرسش و ۱۵۰ دلار است و نسخه تازه آن از شهریور ۱۴۰۵ در حالت آزمایشی برگزار میشود.
این آزمون‌ها با دلار پرداخت می‌شوند و مرکز Pearson VUE که آزمون AWS را برگزار میکند از ۱۷ شهریور ۱۴۰۵ برای ساکنان ایران آزمون نمی‌گیرد، مگر اینکه اقامت اصلی در کشور دیگری ثابت شود. در آگهیهای ایران هم فقط ۵ آگهی از ۱۲۰ آگهی نامی از گواهینامه یا پلتفرم ابری آورده بودند. پس برای بازار داخل، نمونهکار مهمتر از گواهینامه است. سرویس‌های رایج مدل زبانی هم ایران را در فهرست کشورهای مجازشان ندارند؛ به همین دلیل بیشتر تیم‌های داخلی با مدلهای متن‌باز روی سرورهای خودشان کار می‌کنند.
از کجا شروع کنی؟ چهار نقطه شروع رایج تا اولین کار یادگیری ماشین
مسیر هر کس به نقطه شروعش بستگی دارد. چهار حالت رایج این‌هاست.
- ۱
برنامه‌نویس بک‌اند هستی
Docker، API و پایگاه‌داده را بلدی و این همان چیزی است که ۵۷ آگهی خواسته‌اند. کمبودت آمار و مدل‌سازی است: یک دوره آمار کاربردی و scikit-learn بگذران و یک مدل را کنار سرویس‌های فعلی‌ات راه بینداز. نزدیک‌ترین راه تو MLOps است.
- ۲
تحلیلگر داده یا فارغ‌التحصیل آمار هستی
SQL و آمار را داری و ۲۲ آگهی رشته ریاضی و آمار را پذیرفته بودند. کمبودت مهندسی نرم‌افزار است: Git، نوشتن تست، بسته‌بندی کد و Docker. اول یکی از تحلیل‌های فعلی‌ات را به مدلی تبدیل کن که خودکار اجرا شود.
- ۳
دانشجوی کامپیوتر یا برق هستی
پایه ریاضی و برنامه‌نویسی را داری، ولی آگهی کارآموزی کم است: فقط ۳ آگهی از ۱۲۰ آگهی. پروژه کارشناسی را در یادگیری ماشین انتخاب کن، آن را با داده واقعی بساز و کدش را منتشر کن تا وقتی فارغ‌التحصیل شدی نمونهکار داشته باشی.
- ۴
از رشته‌ای دور می‌آیی
راه طولانی‌تر است. اول پایتون را خوب یاد بگیر، بعد آمار و جبر خطی دبیرستان و دانشگاه را مرور کن و پس از آن سراغ یادگیری ماشین برو. بسیاری از این افراد اول تحلیلگر داده می‌شوند و بعد از یکی دو سال به مدل‌سازی می‌رسند.
دوره یادگیری ماشین برگزار می‌کنید؟ در راه تا کار دیده شوید
اگر آموزشگاه شما دوره پایتون، تحلیل داده یا یادگیری ماشین دارد، می‌توانید درخواست همکاری بدهید تا دوره‌هایتان کنار نقشه راه این شغل دیده شود.
- ثبت‌نام با شماره موبایل و مشخصات آموزشگاه
- بررسی درخواست شما توسط تیم راه تا کار
- ساخت صفحه آموزشگاه و ثبت دوره‌ها بعد از تایید
- بررسی جداگانه هر دوره پیش از نمایش در سایت
دوره‌ها فقط پس از بررسی و تایید نمایش داده می‌شوند.
مهندس یادگیری ماشین شدن به چه کسی می‌آید؟
احتمالا این کار برایت جذاب است اگر
- وقتی عددی عجیب در داده می‌بینی، تا دلیلش را پیدا نکنی آرام نمی‌گیری
- هم از آمار لذت می‌بری و هم از نوشتن کدی که دیگران بتوانند نگهش دارند
- حاضری هفته‌ها روی بهتر کردن یک عدد کار کنی و نتیجه را با آزمایش بسنجی
- خواندن متن فنی انگلیسی برایت کار روزمره است
احتمالا برایت سخت است اگر
- دوست داری نتیجه کارت را همان روز ببینی
- پاک کردن و مرتب کردن داده برایت خسته‌کننده‌تر از آن است که تحمل کنی
- نمی‌خواهی یا نمی‌توانی برای کار حضوری در تهران برنامه بریزی
- از اینکه مدل گاهی بی‌دلیل روشن خطا کند ناراحت می‌شوی
این شغل در یک نگاه
تست راه تا کار علاقه‌ها و ترجیح‌های تو را می‌سنجد و نشان می‌دهد کار پژوهشی و تحلیلی با تو چقدر هم‌خوان است. نتیجه راهنماست، نه حکم.
شروع تستپرسشهای رایج درباره مهندس یادگیری ماشین
فرق یادگیری ماشین و یادگیری عمیق چیست؟
یادگیری عمیق بخشی از یادگیری ماشین است که با شبکههای عصبی چندلایه کار میکند. برای متن، صدا و تصویر بهتر است و GPU میخواهد. برای دادههای جدولی مثل سوابق مشتری، مدلهای کلاسیک مثل درختهای تقویتشده معمولا کافی و ارزانترند.
برای یادگیری ماشین چقدر ریاضی لازم است؟
سه بخش لازم است: آمار و احتمال برای ارزیابی مدل، جبر خطی برای فهم داده و شبکه عصبی، و کمی حسابان برای فهم بهینه‌سازی. لازم نیست ریاضی‌دان باشی، ولی باید بفهمی مدل چرا خطا میکند. ۲۲ آگهی از ۱۲۰ آگهی آبان ۱۴۰۵ رشته ریاضی و آمار را هم پذیرفته بودند.
یادگیری ماشین را با پایتون یاد بگیرم یا متلب؟
با پایتون. پایتون در ۱۱۳ آگهی از ۱۲۰ آگهی آبان ۱۴۰۵ آمده بود و Matlab فقط در یک آگهی. متلب در دانشگاه و بعضی پژوهش‌ها هنوز کاربرد دارد، ولی ابزارهای استقرار و MLOps تقریبا همه برای پایتون ساخته شده‌اند.
مهندس MLOps چه کار میکند؟
مهندس MLOps بستری میسازد که مدلها روی آن آموزش ببینند، نسخهبندی شوند، روی سرور بروند و پایش شوند. کارش به DevOps نزدیک است و ابزارهایش MLflow، Airflow، Docker و Kubernetes است. ۵۳ آگهی از ۱۲۰ آگهی آبان ۱۴۰۵ MLOps یا ابزارهای آن را خواسته بودند.
درآمد ماشین لرنینگ از برنامه‌نویسی معمولی بیشتر است؟
در سطح کارشناس فاصله کم است: دریافتی میانه کارشناس علوم داده و هوش مصنوعی در تهران پایان ۱۴۰۴ حدود ۳۵ میلیون تومان بود. فاصله در سطح ارشد و در شرکت‌هایی که مدل را واقعا به محصول می‌رسانند دیده میشود؛ ۸ آگهی کارشناس ارشد میانه ۷۰ تا ۱۲۰ میلیون پیشنهاد داده بودند.
در اصفهان و مشهد هم استخدام ماشین لرنینگ هست؟
هست ولی کم. از ۱۲۰ آگهی آبان ۱۴۰۵، ۱۰۰ آگهی در تهران بود، ۶ آگهی در اصفهان و ۳ آگهی در مشهد. از ۳۳ آگهی با عنوان خود مهندس یادگیری ماشین هم ۳۲ آگهی در تهران بود.
بدون مدرک کارشناسی ارشد میشود مهندس یادگیری ماشین شد؟
بله. در شرطهای مدرک آگهیها، کارشناسی ۱۰۴ بار و کارشناسی ارشد ۳۲ بار آمده بود. ارشد برای کارهای پژوهشی و بعضی آگهیهای سطح بالا امتیاز است، ولی برای بیشتر آگهیها نمونهکار و تجربه استقرار مهمتر است.
آینده شغلی یادگیری ماشین با آمدن مدلهای زبانی چه میشود؟
کار عوض میشود، نه حذف. ۷۴ آگهی از ۱۲۰ آگهی آبان ۱۴۰۵ نام مدلهای زبانی را آورده بودند، یعنی کارفرماها کسی را میخواهند که هم مدل کلاسیک بلد باشد و هم مدل زبانی را ارزیابی و راهاندازی کند. پیشبینی، امتیازدهی و کشف تقلب همچنان با مدلهای کلاسیک انجام میشود.
دوره یادگیری ماشین فنی و حرفه‌ای وجود دارد؟
بله. استاندارد «تجزیه و تحلیل داده به روش یادگیری ماشین» ۱۷۰ ساعت است و سقف شهریه آن در آموزشگاه‌های آزاد تهران در ۱۴۰۵، ۳۰٫۶ میلیون تومان حضوری و ۲۴٫۵ میلیون مجازی است. استانداردی برای یادگیری عمیق یا MLOps در این فهرست نیست.
کار دورکاری و پروژهای در یادگیری ماشین زیاد است؟
در آگهیهای استخدام نه. از ۱۲۰ آگهی آبان ۱۴۰۵ فقط ۱۲ آگهی امکان دورکاری داشتند و فقط یک آگهی قراردادی یا پروژهای بود. ۱۰۹ آگهی تماموقت بودند. دسترسی به داده حساس شرکتها یکی از دلیلهای کار حضوری است.
پیش از ماه‌ها آمار و کدنویسی، تست بده
رسیدن به اولین کار یادگیری ماشین ماه‌ها یادگیری منظم میخواهد. تست راه تا کار کمک میکند ببینی کار با داده و آزمایش با علاقه‌ها و شخصیت تو چقدر جور است و کدام شغل‌های نزدیک هم ارزش دیدن دارند.
شروع تستسوالی درباره مهندس یادگیری ماشین دارید؟
سوالتان را بپرسید. جواب را همین‌جا می‌نویسیم تا به کار بقیه هم بیاید.