قدم اول: تبدیل شدن به یک مهندس نرم‌افزار واقعی قبل از ورود عمیق به AI. توی شرح شغل رسمی NVIDIA برای موقعیت مهندسی هوش مصنوعی، فاندامنتال مهندسی نرم‌افزار این‌طور لیست شده:
system design, API design, testing, CI/CD, code quality, observability, security, databases, containers, and distributed/event-driven systemsپس وقتت رو اول بذار روی پایتون پیشرفته، سیستم‌های توزیع‌شده، تست‌نویسی، داکر و معماری Backend.
قدم دوم: عمیق شدن توی ایجنت‌ها و مدیریت خطا. دموهای ساده با کدهای ۱۰ خطی به کار پروداکشن نمیان. تیم Codex در OpenAI دقیقاً دنبال مهندس‌هایی می‌گرده که این چالش‌ها رو حل کرده باشن:
real-world long-horizon agent workflows, tool-use strategies, context construction, production failures, evaluation and feedback loopsحتی BMW هم توی آگهی استخدام موقعیت Agentic AI صریحاً عبارت
previous experience building agentic applications رو آورده و تسلط روی فریم‌ورک‌ها و پروتکل‌هایی مثل MCP رو الزامی کرده.قدم سوم: یادگیری اصولی Evals و ارزیابی سیستم. ساخت سیستم بدون متریک ارزش فنی نداره. شرکت OpenAI از مهندس‌های کاربردی خودش انتظار داره سیستم‌ها رو به شکل ساختاریافته بسنجن:
representative data, graders, production signals and human judgmentباید بلد باشی دیتاست تست بسازی، رگرسیون مدل رو بسنجی و بدونی Latency، هزینه و فیلیر مودهای سیستم روی تسک‌های واقعی چقدره.
قدم چهارم: تسلط روی پروداکشن و اسکیل. تیم BMW هدف استخدامش رو
industrializing GenAI and agentic systems اعلام کرده و آگهی OpenAI لندن هم ازت می‌خواد پروژه رو از صفر تا صد جلو ببری:take systems from use-case selection and architecture through prototyping, evaluation, launch and scaleاین مرحله شامل مانیتورینگ، Tracing، مدیریت کش، دپلوی کلود روی AWS یا Azure و کنترل دسترسی داده‌هاست.
برای پورتفولیو هم بهتره به جای ۳۰ تا نوت‌بوک پراکنده، ۳ تا پروژه کامل و بالاآمده بسازید، مثلا:
- یک سیستم Enterprise RAG کامل با دسترسی چندکاربره، Reranker، سیستم ارزیابی خودکار و Tracing.
- یک Coding Agent یا اتوماسیون واقعی که با GitHub، دیتابیس یا ابزارهای محیطی از طریق MCP تعامل کنه و خطایابی خودکار داشته باشه.
- یک پایپ‌لاین بهینه‌سازی مدل متن‌باز که شامل Fine-tuning با LoRA، فرآیند Quantization و بنچمارک دقیق Latency و Memory روی Inference باشه.
هدف نهایی اینه که در مصاحبه نگید «من مدل‌های زبانی بلدم و کمی برنامه‌نویسی می‌کنم»؛ بلکه ثابت کنید «یک Software Engineer مسلط هستید که می‌تونه سیستم‌های هوش مصنوعی رو مطمئن، قابل‌سنجش و پایدار تحویل بده».
sources:
- https://openai.com/careers/applied-ai-engineer-london-uk/
- https://nvidia.wd5.myworkdayjobs.com/en-US/NVIDIAExternalCareerSite/job/Senior-Applied-AI-Engineer_JR2021231-1
- https://www.bmwgroup.jobs/de/de/jobfinder/job-description-copy.192665.html
- https://openai.com/careers/applied-ai-engineer-codex-core-agent-san-francisco/
- https://openai.com/careers/emerging-talent/
- https://www.nvidia.com/en-eu/about-nvidia/careers/university-recruiting-new/
🛠 Join @LLMEngineers Community