American Express برای دانشجویان علاقهمند به هوش مصنوعی، یادگیری ماشین، انجنیری نرمافزار، داده و تکنالوژی سازمانی برنامهٔ کارآموزی تابستانی دانشجویان لیسانس 2027 را ارائه میکند.
بست کارآموز انجنیری AI در Atlanta، Georgia با شیوهٔ کار ترکیبی است. در کارآموزی تابستانی 10 هفتهای، دانشجویان منتخب روی پروژههای واقعی تکنالوژی کار میکنند، با تیمهای Agile همکاری مینمایند و تجربهٔ عملی طراحی، توسعه، آزمایش و پیادهسازی مسئولانهٔ راهحلهای مبتنی بر AI را در محیط یک شرکت جهانی بهدست میآورند.
این کارآموزی بخشی از سازمان Enterprise Technology Services متعلق American Express است که انجنیری تکنالوژی، معماری، زیربناها، پلاتفورمهای داده، محصولات دیجیتالی، پلاتفورمهای سازمانی AI، خطرات تکنالوژی و امنیت معلومات را حمایت میکند.
دربارهٔ کارآموزی AI Engineer در American Express
کارآموز AI Engineer در Enterprise Technology Services کار خواهد کرد و در آغاز مسیر مسلکی در پروژهها سهم میگیرد و میآموزد سیستمهای هوشمند چگونه در محیط سازمانی ساخته، تأیید، مدغم، نظارت و اداره میشوند.
در برنامهٔ 10 هفتهای، کارآموزان میتوانند از پروژههای مربوط به موارد زیر حمایت کنند
یادگیری ماشین
هوش مصنوعی مولد
خودکارسازی هوشمند
خطوط انتقال داده
الگوهای بازیابی معلومات
ارزیابی مدل
عاملهای AI
جریانهای کاری عاملمحور
ویژگیهای نرمافزار مبتنی بر AI
کارآموزان در کنار انجنیران، همکاران بخش محصول، متخصصان داده، تیمهای امنیت و ذینفعان تجارت کار میکنند تا بفهمند راهحلهای سازمانی AI چگونه مسئولانه، قابل اعتماد و امن ساخته و ارائه میشوند.
دربارهٔ تیم Enterprise Technology Services
تیمهای Enterprise Technology Services تکنالوژیهایی میسازند و اداره میکنند که American Express با آنها محصولات و خدمات معتبر، امن و مشتریمحور ارائه میکند.
بر اساس نیازهای تجارت و پروژه، کارآموزان ممکن با تیمهای زیر همکاری کنند
انجنیری Backend
انجنیری Frontend
انجنیری Cloud
تکنالوژی موبایل
AI و یادگیری ماشین
انجنیری مبتنی بر داده
انکشاف محصولات Full-stack
این فرصت دانشجویان را با رشتههای گوناگون تکنالوژی آشنا میسازد و به آنان اجازه میدهد متناسب با تواناییها و نیاز پروژه سهم بگیرند.
مسئولیتهای کارآموز AI Engineer
کارآموز منتخب از فعالیتهای تخنیکی و گروهی گوناگون حمایت میکند.
انکشاف AI و یادگیری ماشین
کارآموز میتواند با راهنمایی مناسب در توسعه و مدغمسازی مدلهای AI/ML، ارتباط با LLM و خدمات هوشمند در سیستمهای کنترولشده یا مشابه محیط تولید کمک کند.
پروسس معلومات
مسئولیتها ممکن شامل حمایت از موارد زیر باشد
جمعآوری داده
پیشپروسس داده
تبدیل داده
مدیریت داده
آموزش مدل
آزمایش
اعتبارسنجی
ارزیابی
این فعالیتها بنیادهای دادهای ضروری برای انکشاف و ارزیابی سیستمهای AI را فراهم میکنند.
آزمایش و بهبود راهحلهای AI
کارآموزان در آزمایش، عیبیابی و بهبود راهحلهای مبتنی بر AI همکاری میکنند.
کار بر تقویت موارد زیر تمرکز دارد
عملکرد
قابلیت اعتماد
قابلیت توضیح
قابلیت نگهداری
عاملهای AI و هوش مصنوعی مولد
کارآموز میتواند از قابلیتهایی مانند جریانهای ابتدایی آموزش مدل، نقاط انتهایی استنتاج، تعامل مبتنی بر پرامپت، روشهای ارزیابی، خطوط بازیابی داده، عاملهای AI و جریانهای کاری عاملمحور حمایت کند.
همکاری میان بخشها
این بست شامل همکاری با تیمهای انجنیری، محصول، داده، ریسک، امنیت و تجارت برای ساخت راهحلهای AI مطابق با نیازهای تجارتی است.
مستندسازی
از کارآموز انتظار میرود کار تخنیکی را مستند کند، شامل
پارامترهای مدل
پرامپتها
فرضیههای ارزیابی
خطوط انتقال داده
ادغام سیستمها
تصمیمهای تخنیکی
این اسناد به تکرارپذیری کمک کرده و نحوهٔ توسعه و ارزیابی راهحلهای AI را برای تیمها روشن میسازد.
انکشاف Agile
کارآموزان در فعالیتهای Agile سهم میگیرند، مانند
پلانگذاری Sprint
نشستهای روزانه
نمایش کار
جلسات بازنگری
بررسی کود
جلسات گروهی
کارآموزان چه خواهند آموخت؟
کارآموزی برای آشنایی عملی با انکشاف AI سازمانی است.
آنان میآموزند نرمافزار مبتنی بر AI چگونه
طراحی میشود
ساخته میشود
آزمایش میشود
عرضه میشود
مدغم میشود
نظارت میشود
اداره میشود
همچنان با یادگیری ماشین، AI مولد، APIهای LLM، جریانهای مبتنی بر پرامپت، الگوهای بازیابی، عاملهای AI و ارزیابی مدل آشنا میشوند.
بخشهای دیگر آموزش شامل
همکاری میان تیمهای محصول، انجنیری، داده، امنیت، ریسک و تجارت
اصول AI مسئولانه
ملاحظات حریم خصوصی و امنیت
رعایت مقررات
کیفیت و تابآوری
ارتباطات تخنیکی
مستندسازی
حل مسئله
انکشاف مسلکی و راهنمایی
حداقل شرایط
متقاضیان باید حداقل شرایط اعلامشده را داشته باشند
فعلاً در یک برنامهٔ تماموقت لیسانس (bachelor’s degree) ثبتنام داشته باشند.
تاریخ فراغت متوقع میان December 2027 و June 2028 باشد.
با Python و تکنالوژیهای بنیادی پروسس داده آشنا باشند.
مفاهیم بنیادی کمپیوترساینس، شامل ساختمان داده، الگوریتمها، عیبیابی، آزمایش و حل مسئله را بفهمند.
مفاهیم یادگیری ماشین مانند آموزش مدل، ارزیابی، انجنیری ویژگیها و آزمایش را بشناسند.
با سیستمهای مدرن AI، از جمله LLM APIs، تعامل مبتنی بر پرامپت، الگوهای بازیابی یا برنامههای AI مولد تجربه داشته باشند.
با AI مسئولانه، امنیت، اداره، انطباق و قابلیت اعتماد آشنا باشند.
مهارت قوی ارتباطات، همکاری، مستندسازی و یادگیری سریع داشته باشند.
شرایط ترجیحی
American Express چند شرط ترجیحی نیز ذکر میکند که درخواست را تقویت میکنند.
تجربهٔ بهدستآمده از دروس علمی، تحقیقات، پروژهها، همکاری در کد باز، کارآموزی یا فعالیتهای فوقبرنامه با تکنالوژیهایی مانند Python، R، Java یا JavaScript مفید است.
تجربه یا علاقه در موارد زیر نیز امتیاز دارد
یادگیری ماشین
AI مولد
پروسس زبان طبیعی
خودکارسازی هوشمند
انجنیری داده
AI عاملمحور
توسعهٔ نرمافزار مبتنی بر AI
برنامههای مبتنی بر AI
Copilots
دستیارهای هوشمند
جریانهای کاری عاملمحور
نمونههای تحقیقی
پروژههای Hackathon
آشنایی با NLP، embeddings، BERT، transformers، LLMها، انجنیری پرامپت، ارزیابی پرامپت، APIs، خطوط داده، ETL، محیطهای Cloud، CI/CD، کنترول نسخه و انکشاف کانتینری نیز امتیاز دارد.
عرصهها و مهارتهای AI Engineer
کارآموزان بر اساس نیاز تجارت، پروژه و نقاط قوت فردی به عرصههای مختلف گماشته میشوند.
انجنیری AI و یادگیری ماشین
مهارتهای مرتبط
Python
R
Java
اصول یادگیری ماشین
آموزش مدل
ارزیابی مدل
انجنیری ویژگیها
NLP
Embeddings
مدلهای Transformer
LLM APIs
انجنیری پرامپت
الگوهای بازیابی
عاملهای AI
مستندسازی مدل
مفاهیم AI مسئولانه
انجنیری داده برای AI
تجربه در موارد زیر مفید است
جمعآوری داده
پیشپروسس داده
کیفیت داده
ETL
خطوط داده
SQL
مفاهیم Big Data
اعتبارسنجی داده
خطوط ویژگیها
جریانهای تکرارپذیر داده
انجنیری نرمافزار مبتنی بر AI
عرصههای تخنیکی
APIs
Microservices
نقاط انتهایی استنتاج
ادغام برنامهها
انکشاف Cloud-native
ارائهٔ Agile
آزمایش
CI/CD
کانتینریسازی
Observability
شیوههای عرضه در محیط مشابه تولید
برنامههای AI مولد و LLM
تجربه در موارد زیر سودمند است
تعامل مبتنی بر پرامپت
ادغام LLM
مفاهیم تولید تقویتشده با بازیابی معلومات
ارزیابی خروجی AI
روشهای اتصال پاسخ به منابع
Guardrails
عاملهای AI
هماهنگی عاملها
بازبینی با حضور انسان
آمادگی سازمانی AI
این کارآموزی همچنان شامل آشنایی با موارد زیر است
امنیت
رعایت مقررات
حاکمیت مدل
مستندسازی
آگاهی از ریسک
قابلیت اعتماد سیستم
گزارشدهی و ارجاع مشکلات
اصول AI مسئولانه
امنیت سایبری و امنیت AI
دانش مرتبط شامل توسعهٔ امن نرمافزار، امنیت برنامهها، مدیریت هویت و دسترسی، حفاظت داده، مفاهیم رمزگذاری، طراحی امن API و آگاهی از آسیبپذیریها است.
در این وظیفه ممکن آگاهی از تهدیدهای امنیت AI مانند prompt injection، افشای داده و سوءاستفاده از مدل و همچنان کنترولهای حاکمیتی و مدیریت مسئولانهٔ معلومات حساس لازم باشد.
امتیازات کارآموزی و ارزش آن برای نامزدان
طبق معلومات American Express، کارآموزان AI Engineer تجربهٔ عملی انجنیری، حمایت مدیر و رهنما، فرصتهای یادگیری تخنیکی، آشنایی با رهبری و دسترسی به جامعهٔ قوی همتایان را بهدست میآورند.
شرکت امتیازات احتمالی زیر را نیز ذکر میکند
معاش اساسی رقابتی
ترتیبات و مهالوېش انعطافپذیر کار
گزینههای ترکیبی و مجازی از طریق Amex Flex
دسترسی به مراکز صحی در محل کار مطابق موقعیت
مشورهٔ محرمانه از طریق برنامهٔ Healthy Minds
فرصتهای انکشاف مسلکی و آموزش
شرایط استخدام
داشتن اجازهٔ قانونی کار با American Express در ایالات متحده ضروری است.
شرکت میگوید برای این بستها برای این بستها از ویزه حمایت نمیکند. متقاضیان باید پیش از درخواست شرایط قانونی کار در ایالات متحده را داشته باشند.
محل کارآموزی و شیوهٔ کار
این بست مربوط به Atlanta، Georgia، United States است و در عنوان و شرح آن بهصورت ترکیبی معرفی شده است.
اما در بخش معلومات وظیفهٔ منبع، آدرس AMEX 18850 North 56th Street, Phoenix, Arizona جداگانه بهعنوان محل کار ترکیبی درج شده است. به دلیل تضاد این دو محل، متقاضیان باید در صفحهٔ زندهٔ درخواست American Express محل را تأیید کنند.
آخرین مهلت درخواست
در معلومات بست زمان ختم درخواست چنین ذکر شده است
October 1, 2026 at 03:59
متقاضیان باید درخواست را پیش از مهلت، بدون انتظار تا ساعات آخر، ارسال کنند.
طرز درخواست
دانشجویان علاقهمند باید از پلتفرم رسمی کاریابی American Express استفاده کنند.
مراحل
بست AI Engineer Intern و شرایط آن را بهدقت بررسی کنید.
شرایط لیسانس و تاریخ فراغت متوقع را تأیید کنید.
شرایط تخنیکی، بهخصوص Python، کمپیوترساینس، یادگیری ماشین و تجربهٔ AI را بررسی کنید.
شرایط اجازهٔ قانونی کار در امریکا را داشته باشید.
درخواستی تهیه کنید که پروژههای علمی، تحقیق، کارآموزی، فعالیتهای فوقبرنامه یا تجربهٔ تخنیکی مرتبط را برجسته کند.
آن را پیش از مهلت تعیینشده ارسال کنید.
از طریق American Express Careers درخواست دهید.
معلومات کلیدی
جزئیات
معلومات
فرصت
AI Engineer Intern
شرکت
American Express
پروګرام
Campus Undergraduate Summer Internship Program
موده
10 weeks
دوره
Summer 2027
سطح تحصیلی
نامزد Bachelor’s degree
فراغت متوقع
December 2027 – June 2028
شیوهٔ کار
Hybrid
محل اصلی ذکرشده
Atlanta, Georgia, USA
شرایط قانونی کار
اجازهٔ کار در امریکا ضروری است
حمایت ویزه
ارائه نمیشود
دستهٔ وظیفه
Technology
تاریخ نشر
August 17, 2026
آخرین مهلت
October 1, 2026 at 03:59
بخش معلومات بست در منبع Phoenix, Arizona و “High School Graduate” را نیز ذکر میکند که با شرایط تفصیلی AI Engineer مبنی بر لیسانس تماموقت و Atlanta, Georgia متناقض است. برای معلومات نهایی به صفحهٔ زندهٔ درخواست مراجعه کنید.
پایله
د American Express AI Engineer Summer Internship 2027 وړ محصلانو ته فرصت ورکوي چې په یوه نړیواله سازماني فضا کې د AI، یادگیری ماشین، انجنیری داده و توسعهٔ نرمافزار تجربهٔ عملی بهدست آورند.
این کارآموزی 10 هفتهای آموزش تخنیکی، پروژههای عملی، رهنمایی و همکاری با تیمهای انجنیری، محصول، داده، امنیت، ریسک و تجارت را یکجا میکند.
دانشجویانی که میان December 2027 و June 2028 فارغ میشوند و در Python، کمپیوترساینس، یادگیری ماشین و سیستمهای نوین AI دانش یا تجربه دارند، باید این فرصت را بررسی کرده و پیش از ضربالاجل October 1, 2026 درخواست بدهند.
اکنون درخواست دهید – American Express Careers
فرصتهای بیشتر را در صفحهٔ OFY ببینید.