اگر در شروع مسیر AI Engineer شدن هستی، پیشنهاد می‌کنم در کنار بقیه نکاتی که سایرین گفتند و در اینترنت در دسترس هست، این ۴ تا نکته‌ی کمتر پرداخته‌شده رو هم در نظر بگیری:

۱- نداشتن تجربه با GPUهای بزرگ واقعا اوکیه، خصوصا در ایران:
اینکه تجربه واقعی با GPUهای بزرگ و موازی‌شده نداری، اصلاً جای نگرانی نیست. همین که تجربه‌ی پیاده‌سازی‌های بقیه رو بخونی و بشناسی و با چالش‌ها و راه‌حل‌های فضای R&D در این زمینه آشنا باشی، کفایت می‌کنه. بقیه‌ش رو به مرور تو فضای پروژه‌های واقعی و اسکیل بالا به دست میاری. مهم اینه که به چالش‌ها فکر کرده باشی و در موردشون تحقیق کرده‌باشی و حداقل روی کاغذ براشون جواب داشته باشی، حتی اگه واقعاً امکان پیاده‌سازی‌شون رو نداشته باشی.

۲- آپدیت بودن یعنی خوندن تکنیکال ریپورت‌ها، نه فقط ترندها:
به‌روز بودن بسیار بسیار مهمه. باید بتونی نشون بدی که آماده‌ی تغییر ماژول‌ها و بهبود پایپ‌لاین‌ها با دانش روز هستی؛ اما نه فقط با حفظ کردن ترندها، بلکه با داشتن یک دید انتقادی به هایپ‌هایی که راه میفته.
فراتر از این دید انتقادی، خوندن Technical Report مدل‌های معروف و بولدِ LLM تو این چند سال رو به‌شدت پیشنهاد می‌کنم. این کار نه‌تنها سوادت رو چند لِوِل بالاتر می‌بره، بلکه یه سری ریزه‌کاری‌ها داره که فقط با خوندن این گزارش‌های فنی متوجه‌شون میشی.
مثال؟ مثلاً تو مصاحبه، اگه کسی بدونه RoPE تو مقاله اصلی‌ش با RoPE پیاده‌سازی‌شده تو مدل‌های LLaMA چه فرقی داره و این تفاوتِ پیاده‌سازی چه تاثیری روی عملکرد مدل و حافظه می‌ذاره (سوالی که کمتر جایی تو اینترنت ممکنه پیدا کنی و فقط کسی که گزارش‌های فنی رو خونده باشه می‌دونه)، معیار خیلی خوبیه برای اینکه نشون بده از چه منابعی و چقدر عمیق آماده شده.

۳- استاندارد مصاحبه: طراحی پایپ‌لاین آره، «طوفان فکری» ناگهانی نه!
خیلی مهمه که به‌عنوان کاندید بتونی برای چالش‌ها یا مسئله‌های فرضی، راه‌حل مبتنی بر AI پیشنهاد بدی و مهارتت رو تو طراحی پایپ‌لاین نشون بدی، برای اینکار عمیقا پیشنهاد می‌کنم که هر وقت بیکار شدید محصولات مبتنی بر AI تو دنیا رو هر از گاهی بررسی کنید، فیچرهاشون و چالش‌هایی که حل کردن و ... تا ذهنتون آماده‌تر باشه برای طوفان فکری؛ اما یه انتقاد جدی به رویه‌ی بعضی مصاحبه‌ها (به‌خصوص تو ایران) تو این مسئله وارده؛ اینکه وسط جلسه یهو و بدون اطلاع قبلی در دیسکریپشن شغل، یه موضوع پیچیده مثل Jailbreaking رو مطرح کنن و همون لحظه ازت تقاضای Brainstorming داشته باشن، یکی از غیرحرفه‌ای‌ترین و اشتباه‌ترین روش‌های ارزیابیه. کاندیدا باید بدونه دقیقاً تو چه چارچوب و استانداردی داره سنجیده میشه و فرصت برای آماده‌شدن براش و فکر کردن در اون زمینه رو داشته‌ باشه و مرز بین ارزیابیِ مهارتِ حل مسئله با درخواست‌های غیرمنطقیِ لحظه‌ای رو بشناسه.

۴- مهارت نرم و توضیح دادن به زبان ساده:
تو خیلی از پوزیشن‌ها و سازمان‌ها، موقع Deploy کردن سسیستم یا جمع‌آوری دیتا، لازمه با افراد غیرمتخصصِ AI هم همکاری تیمی یا تعامل سازنده داشته باشی. اینجاست که بسیار بسیار مهم میشه بتونی مفاهیم و نیازمندی‌ها رو به ساده‌ترین زبان ممکن مطرح کنی (این مهارت هم تو مصاحبه‌ها سنجیده میشه). یه چیزی تو مایه‌های «AI رو جوری توضیح بده انگار ۵ سالمه!». اگه نتونی این ارتباط رو برقرار کنی، تو بعضی پروژه‌ها همین موضوع تبدیل شده به گلوگاه اصلیِ پیاده‌سازی و کار واقعا قفل شده.

نویسنده و منبع: امین فتحی
.
@elmedadeir