۱
مهارتهایی که کارفرمایان از مهندسان هوش مصنوعی در ۲۰۲۶ میخواهند
بررسی آگهیهای استخدام مهندس هوش مصنوعی نشان میدهد نرمافزار تولیدی، زیرساخت ابری، ارزیابی، RAG و ساخت ایجنت، امروز مهمتر از دانش مجزای مدلها است.
Data & AI
محمدمهدی لطفینژاد
دانشمند ارشد داده · مهندسی داده و هوش مصنوعی
دربارهی پروژهها، تجربهها و یادداشتهای خودم مینویسم.
درباره
بیشتربه کسبوکارها و تیمهای فنی در سه حوزه کمک میکنم: مشاوره در طراحی و پیادهسازی پلتفرمهای داده و هوش مصنوعی، آموزش تیمهای مهندسی برای کار واقعی با مدلهای زبانی بزرگ و RAG، و ساخت راهکارهای مبتنی بر هوش مصنوعی که مستقیم وارد محصول میشوند.
حوزههای تمرکز
هوش مصنوعی
ساخت اپلیکیشنهای مبتنی بر LLM: بازیابی افزوده (RAG)، ایجنتها، و چارچوب ارزیابی که نشان دهد سیستم واقعاً بهتر شده است.
مهندسی داده
خطلولههای دستهای و جریانی با PySpark، Airflow و Kafka روی Kubernetes؛ زیرساخت بهصورت کد با Terraform.
رهبری فنی
شفافکردن مالکیت تصمیم، وارد کردن زودهنگام قضاوت متخصص، و ساختن مسیر ارجاعی که تیم بتواند به آن تکیه کند.
Featured
همهی مقالاتمقالات برگزیده
۲
چطور رهبران فنی یک شبکهی تصمیمگیری میانبخشی میسازند
تصمیمهای فناوری وقتی محکم میشوند که قضاوت متخصص زودتر وارد فرآیند شود، مالکیت تصمیم شفاف بماند و مسیر ارجاع قاعده داشته باشد.
۳
سیستمی برای دیباگ کردن تردید در یادگیری برنامهنویسی
روشی برای تبدیل ناامیدی در کدنویسی به شواهد مشخص، پرسشهای بهتر، آزمایشهای کوچکتر و تصمیمهای صادقانه دربارهی قدم بعدی.
بهروزرسانیهای اخیر
انتشار مقالهی «مهارتهایی که کارفرمایان از مهندسان هوش مصنوعی در ۲۰۲۶ میخواهند»
بهروزرسانی مخزن airflow-pyspark-k8s با Helm chart تازه
افزودن فصل ارزیابی به langchain-mastery