مهندسی AI · سیستم‌های بک‌اند
سیستم‌های هوش مصنوعی را از مدل تا محصول می‌سازم.
ایده‌های هوش مصنوعی را به سیستم‌های واقعی تبدیل می‌کنم؛ سیستم‌هایی که فقط مدل اجرا نمی‌کنند، بلکه تصمیم می‌گیرند، داده را می‌فهمند، با ابزارها کار می‌کنند و در یک محصول واقعی قابل استفاده‌اند.
02 / WORK
پروژه‌های منتخب
03 / CAPABILITY
تمرکز مهندسی
چهار حوزه‌ای که در پروژه‌هایم بیشتر تمرین کرده‌ام؛ از پاسخ مستند مدل تا بک‌اند و workflowهای عامل‌محور.
سیستم‌های AI مستند
ساخت pipelineهای RAG با پاسخ قابل استناد، ارزیابی خروجی، و رفتار روشن وقتی evidence کافی وجود ندارد.
کنترل رفتار مدل
قرار دادن تصمیم‌های مدل پشت routing، validation، permission و قواعد محصول؛ نه تکیه‌ی مستقیم به خروجی خام مدل.
بک‌اند محصول
طراحی مدل دامنه، API، migration، صف‌های پردازش، auth، پرداخت و وضعیت‌های چرخه‌ی عمر محصول.
workflowهای عامل‌محور
ارکستریشن stateful، اتصال ابزارها، نقطه‌های تأیید انسانی، memory و بازیابی از خطاهای مرحله‌ای.
04 / BACKGROUND
درباره‌ی من
مسیر من از روانشناسی آغاز شد. در ابتدا به دنبال راهی بودم تا با رویکردی تازه در این حوزه اثرگذار باشم، اما آشنایی با یادگیری ماشین مسیر متفاوتی پیش پایم گذاشت. جذابیت هوش مصنوعی و کاربردهای گسترده‌اش باعث شد تمرکزم را به یادگیری و ساخت راهکارهای مبتنی بر آن معطوف کنم.
در این مسیر با پایتون، آمار، تحلیل داده، یادگیری ماشین، یادگیری عمیق، پردازش متن، طراحی API، پایگاه داده، Docker، معماری سیستم و MLOps آشنا شده‌ام. از میان این حوزه‌ها، بیش از همه به هوش مصنوعی عامل‌محور، سیستم‌های RAG و ساخت محصولات کاربردی مبتنی بر مدل‌های زبانی علاقه دارم.
در حال حاضر آموخته‌هایم را با ساخت پروژه‌های تمرینی end-to-end و نمونه‌های اولیه به کار می‌گیرم. سعی می‌کنم مسائل را با رویکردی داده‌محور، مبتنی بر بنچمارک و همراه با آزمون و ارزیابی حل کنم؛ چون برای من ساختن فقط رسیدن به یک خروجی نیست، بلکه راهی برای عمیق‌تر کردن یادگیری و سنجیدن واقعی ایده‌هاست.
هنوز در ابتدای مسیر حرفه‌ای مهندسی هوش مصنوعی هستم، اما مسیر یادگیری‌ام را جدی و عملی پیش برده‌ام: با پروژه ساختن، خطا گرفتن، تست کردن و مستندسازی. دنبال فرصتی هستم که همین شیوه‌ی یادگیری را وارد یک تیم واقعی کنم، مسئولیت بگیرم و کنار آدم‌های باتجربه‌تر سریع‌تر رشد کنم.
مسیر عملی
بخش اصلی یادگیری‌ام با ساختن جلو رفته است؛ از سیستم‌های RAG و workflowهای Agent گرفته تا بک‌اند و نمونه‌های محصول‌محور که ایده‌ها را با محدودیت‌های واقعی روبه‌رو می‌کنند.
تمرکز فعلی
تمرکز فعلی‌ام روی RAG، Agentic AI و ارزیابی سیستم‌های هوش مصنوعی است؛ ایده‌ها را به آزمایش‌های کوچک تبدیل می‌کنم تا بفهمم چه چیزی واقعاً کار می‌کند و کجا شکست می‌خورد.
روش ساخت
معمولاً از یک نسخه‌ی کوچک شروع می‌کنم، فرضیه‌ها را روشن می‌کنم، رفتار سیستم را می‌سنجم، خطاها را پیدا می‌کنم و بعد مرحله‌به‌مرحله پایدارترش می‌کنم.
تحصیلات
کارشناسی روانشناسی، دانشگاه امام رضا
05 / TOOLKIT
مهارت‌های فنی
مهندسی AI
بک‌اند
داده
محصول و وب
زیرساخت
06 / SOFT SKILLS
مهارت‌های نرم
رفتارهایی که سعی می‌کنم در کار تیمی، یادگیری و پروژه‌های واقعی همراه خودم داشته باشم.
ارتباط شفاف
تصمیم‌ها، محدودیت‌ها و گیرها را زود و روشن بیان می‌کنم تا همکاری آرام و قابل پیگیری بماند.
کار تیمی و بازخوردپذیری
با سؤال پرسیدن، گرفتن نقد و تبدیل بازخورد به قدم‌های اجرایی راحت هستم.
یادگیری سریع و منظم
با ساخت نسخه‌های کوچک، مستندسازی تغییرات و تست کردن فرضیه‌ها یاد می‌گیرم.
حل مسئله مرحله‌به‌مرحله
مسئله‌های مبهم را به بخش‌های قابل مشاهده تقسیم می‌کنم و مسیر تصمیم‌گیری را قابل ردیابی نگه می‌دارم.
مسئولیت‌پذیری
وقتی کاری را قبول می‌کنم، فقط خروجی لحظه‌ای مهم نیست؛ پیگیری و تحویل درستش هم برایم مهم است.
همدلی با کاربر
پیشینه‌ی روانشناسی کمکم می‌کند رفتار محصول را از زاویه‌ی نیاز و سردرگمی واقعی کاربر هم ببینم.
07 / CONTACT
درباره‌ی پروژه‌های هوش مصنوعی و فرصت‌های همکاری گفت‌وگو کنیم.
برای گفت‌وگو درباره‌ی پروژه‌های مهندسی، فرصت‌های همکاری یا موقعیت‌های شغلی، از طریق ایمیل، لینکدین و گیت‌هاب در دسترسم.