Yapay Zekâ / Makine Öğrenmesi Uzmanı

BIMAid TECHNOLOGY; Pendik; Vor Ort; TRY 180.000 - 300.000; Vollzeit

Zusammenfassung

BIMAid Technology, Teknopark İstanbul Pendik’te bulunan bir derin teknoloji şirketidir. Yapay Zeka ve makine öğrenmesi uzmanı arıyor; jeoistatistiksel ve belirsizlik modellerini ölçeklenebilir bir çekirdek çözüme dönüştürecek nitelikler bekliyoruz.

Bu rolde, ham jeolojik veriden güvenilir tahminler üreterek ürün ekibine değer katacaksınız; MLOps süreçlerini kurup izlemek ve bulguları teknik olmayan paydaşlara açıkça aktaracaksınız.

Qualifikationen

• Makine öğrenmesi/veri bilimi deneyimi araştırma odaklı veya ürünleşmiş model geliştirme.
• Güçlü Python bilgisi (NumPy, pandas, scikit-learn ve PyTorch veya TensorFlow)
• Sağlam istatistiksel modelleme temeli; olasılıksal yöntemler ve belirsizlik modellemesine aşinalık.
• Model geliştirmeden üretime dağıtıma kadar uçtan uca deneyim (veri hazırlama, eğitim, değerlendirme, deployment).

Aufgaben

• Mekânsal veri üzerinde jeoistatistiksel ve makine öğrenmesi modelleri geliştirmek (interpolasyon, belirsizlik kestirimi, sondaj noktası optimizasyonu).
• Patentli Kriging tabanlı yöntemi temel alan çekirdek algoritmayı geliştirmek, doğrulamak ve performansını iyileştirmek.
• Ham jeolojik/sondaj verisinden üretime kadar uçtan uca veri hatları (data pipeline) tasarlamak ve kurmak.
• Modellerin belirsizliğini nicelleştirmek (uncertainty quantification) ve sonuçları karar vericiler için yorumlanabilir hâle getirmek.
• Modelleri ürün ekibiyle birlikte üretim ortamına taşımak (deployment), izlemek ve sürekli iyileştirmek (MLOps).
• Yöntemin bilimsel geçerliliğini belgelemek; gerektiğinde akademik makale çalışmalarına teknik katkı sunmak.
• Sonuçları ekip ve paydaşlarla net biçimde paylaşmak; bulguları anlaşılır şekilde raporlamak.

Kenntnisse

Python bilgisi

Jeoistatistik

İstatistiksel modelleme

Uçtan uca ML/deployment deneyimi

Ausbildung

Bilgisayar Mühendisliği / İstatistik / Jeoistatistik, Yer Bilimleri veya Jeofizik lisans/yüksek lisans

Tools

AWS

Azure

MLOps

PyTorch

TensorFlow

Jobbeschreibung

BIMAid Technology • Teknopark İstanbul / Pendik • Deep Tech

Yapay Zekâ / Makine Öğrenmesi Uzmanı (Jeoistatistik & Belirsizlik Modelleme)

Jeoistatistik ile makine öğrenmesinin kesiştiği yerde çalışan az kişiyiz — bunu biliyoruz. Kriging, mekânsal belirsizlik ya da seyrek veriyle tahmin sana “kuru teori” değil, “çözülmesi gereken gerçek bir problem” gibi geliyorsa, muhtemelen seni arıyoruz. BIMAid'i, bu problemi yıllarca Almanya'da tünel ve altyapı projelerinde bizzat yaşamış bir mühendis kurdu.

Almanya İmkânı

BIMAid'in Türkiye'nin yanı sıra Almanya'da (Münih) bir kuruluşu da bulunuyor. Bu pozisyonda öne çıkan, ekiple uyumlu ve üretken adaylar için ilerleyen dönemde Almanya'daki yapıya entegre olma ve orada çalışma imkânı sunuyoruz. Uluslararası bir deep-tech ortamında, sınır ötesi bir ekibin parçası olarak gelişme fırsatı sağlıyoruz.

BIMAid'de ML Mühendisi olarak, şirketin teknolojik kalbini oluşturan işi yapacaksın: patentli jeoistatistiksel yöntemi yapay zekâ destekli, ölçeklenebilir bir çekirdek çözüme dönüştürmek. Bu rol, gerçek bir mühendislik problemine — yeraltının doğası gereği belirsiz olması — doğrudan etki etme fırsatı sunar. Bu pozisyonda başarılı olmak; yalnızca model eğitmek değil, seyrek ve gürültülü jeolojik veriden güvenilir, açıklanabilir ve saha koşullarında işe yarayan tahminler üretebilmek anlamına gelir. Geliştireceğin modeller ürünün tüm değer önerisini belirleyeceği için bu, şirketin en kritik teknik rolüdür; akademik yayınlara ve patent portföyünün gelişimine de katkı sağlama imkânı sunar.

• Mekânsal veri üzerinde jeoistatistiksel ve makine öğrenmesi modelleri geliştirmek (interpolasyon, belirsizlik kestirimi, sondaj noktası optimizasyonu).
• Patentli Kriging tabanlı yöntemi temel alan çekirdek algoritmayı geliştirmek, doğrulamak ve performansını iyileştirmek.
• Ham jeolojik/sondaj verisinden üretime kadar uçtan uca veri hatları (data pipeline) tasarlamak ve kurmak.
• Modellerin belirsizliğini nicelleştirmek (uncertainty quantification) ve sonuçları karar vericiler için yorumlanabilir hâle getirmek.
• Modelleri ürün ekibiyle birlikte üretim ortamına taşımak (deployment), izlemek ve sürekli iyileştirmek (MLOps).
• Yöntemin bilimsel geçerliliğini belgelemek; gerektiğinde akademik makale çalışmalarına teknik katkı sunmak.
• Sonuçları ekip ve paydaşlarla net biçimde paylaşmak; bulguları anlaşılır şekilde raporlamak.

Aşağıdakilerin hepsine sahip olman gerekmiyor — güçlü bir Python ve istatistiksel modelleme temelin varsa ve gerisini öğrenmeye/kurmaya hevesliysen, konuşalım.

• Makine öğrenmesi / veri bilimi deneyimi (araştırma odaklı veya ürünleşmiş model geliştirme).
• Güçlü Python bilgisi (NumPy, pandas, scikit-learn ve PyTorch veya TensorFlow).
• Sağlam istatistiksel modelleme temeli; olasılıksal yöntemler ve belirsizlik modellemesine aşinalık.
• Model geliştirmeden üretime dağıtıma kadar uçtan uca deneyim (veri hazırlama, eğitim, değerlendirme, deployment).

Tercih edilen / artı nitelikler:

• Jeoistatistik, Kriging, mekânsal interpolasyon veya coğrafi veri (GIS) alanında deneyim — bu rol için en güçlü artıdır.
• Belirsizlik kuantifikasyonu ve seyrek/az veriyle modelleme deneyimi.
• Madencilik, jeoteknik, jeofizik veya yer bilimleri alanında domain bilgisi.
• Bulut ortamında (AWS/Azure) model dağıtımı ve MLOps araçlarıyla deneyim.

Eğitim ve dil:

• Bilgisayar Mühendisliği, İstatistik, Jeoistatistik, Yer Bilimleri, Jeofizik veya ilgili bir alanda lisans/yüksek lisans (yüksek lisans/doktora tercih sebebidir).
• İngilizce bilimsel/teknik literatürü takip edebilecek düzeyde dil yetkinliği.
• Belirsiz problemlerde bağımsız araştırma yürütebilme ve pratik çözüm üretebilme.
• Karmaşık teknik konuları teknik olmayan paydaşlara aktarabilme; disiplinler arası iş birliği.