الوصف الوظيفي
حول شركة سلفو للبرمجيات سلفو للبرمجيات هي شركة عالمية تقدم حلول برمجيات فعالة من حيث التكلفة لمساعدة المؤسسات والشركات الناشئة في التحول الرقمي.
مع فرق موزعة عبر الولايات المتحدة وأمريكا اللاتينية والهند، نتعاون مع العملاء لبناء أنظمة عالية الأداء وقابلة للتوسع تحل التحديات التقنية المعقدة.
ثقافتنا تقدر الابتكار والملكية والتميز الهندسي.
نظرة عامة على الدور نحن نبحث عن مطور ذكاء اصطناعي ماهر للغاية لديه خلفية قوية في هندسة البرمجيات الخلفية والتعلم الآلي لتصميم وتدريب وتحسين ونشر نماذج LLM في بيئات محلية وغير متصلة.
يتطلب هذا الدور مهارات تقنية عميقة وعملية، مع خبرة في مجموعات ML بلغة بايثون، وتحسين النماذج، وأطر الاستدلال المحلية، وهياكل RAG (التوليد المعزز بالاسترجاع)، وتكاملات MCP (بروتوكول سياق النموذج)، وتدفقات عمل DevOps المصممة للأنظمة غير المتصلة.
ستعمل عن كثب مع فرق الهندسة والمنتجات لدينا لبناء خطوط أنابيب LLM من البداية إلى النهاية - بما في ذلك معالجة البيانات، والتدريب الخاضع للإشراف، وتكميم النماذج، والتقييم، وتصميم خطوط أنابيب RAG، والنشر باستخدام بنية تحتية محلية أو معزولة.
إذا كنت تستمتع بالعمل مع نماذج LLM مفتوحة المصدر المتطورة، وبناء أنظمة ذكاء اصطناعي واعية بالسياق، وتصميم خطوط أنابيب خلفية موثوقة، فإن هذا الدور هو المناسب لك.
المسؤوليات الرئيسية تطوير LLM الأساسي تدريب وتحسين نماذج LLM باستخدام التدريب الخاضع للإشراف (SFT).
العمل مع نماذج مفتوحة المصدر مثل LLaMA وMistral وQwen وهياكل مشابهة.
بناء خطوط أنابيب LoRA / Q-LoRA للتدريب الفعال.
تنفيذ وتحسين تدفقات عمل معالجة البيانات، بما في ذلك تقسيم الرموز والتعامل مع السياقات الطويلة.
استخدام وتوسيع Hugging Face Transformers & Datasets للتدريب والاستدلال.
تحليل ومعالجة البيانات المنظمة وشبه المنظمة، بما في ذلك ملفات XML/XSD.
تنفيذ حلول تحليل الوثائق لصيغ Office (python-docx، OpenXML).
RAG وأنظمة واعية بالسياق تصميم وتنفيذ خطوط أنابيب التوليد المعزز بالاسترجاع (RAG) للإجابة على الأسئلة المستندة إلى الوثائق واسترجاع المعرفة.
بناء وصيانة مخازن المتجهات وخطوط أنابيب التضمين باستخدام أدوات مثل FAISS وChroma وWeaviate أو pgvector.
تحسين استراتيجيات الاسترجاع بما في ذلك البحث الهجين وإعادة الترتيب وتقنيات التجزئة المصممة لمجموعات البيانات الخاصة بالمجال.
تطوير وصيانة تكاملات خادم MCP (بروتوكول سياق النموذج) لتمكين نماذج LLM من التفاعل ديناميكيًا مع الأدوات وواجهات برمجة التطبيقات ومصادر البيانات الخارجية.
تصميم تدفقات عمل وكيلة تستفيد من MCP لمنح النماذج وصولًا منظمًا إلى الأنظمة الداخلية والسياق بطريقة خاضعة للرقابة وقابلة للتدقيق.
خبرة في النماذج غير المتصلة / المحلية نشر وتشغيل وصيانة النماذج بالكامل في بيئات غير متصلة ومعزولة.
إجراء تحسين وتكميم النماذج (GGUF، GPTQ، AWQ، bitsandbytes).
بناء وصيانة أنظمة الاستدلال باستخدام أطر مثل vLLM وTGI وOllama.
تحسين استخدام GPU (CUDA وcuDNN وVRAM-aware batching).
الحفاظ على خطوط أنابيب CI/CD المحلية لنماذج ML بدون اعتمادات سحابية.
إدارة سجلات النماذج المحلية، وإصدارها، والمواد.
ضمان تشغيل مكونات RAG وMCP بالكامل في بيئات غير متصلة وشبكات مقيدة.
الخلفية وDevOps بناء خدمات خلفية بلغة بايثون لعمليات التدريب والاستدلال في ML.
العمل مع قواعد البيانات العلائقية (Postgres/MySQL) وقواعد البيانات المتجهة لطبقات تخزين RAG.
استخدام Docker وGit لخطوط تطوير ونشر موثوقة.
استخدام Azure DevOps لـ CI/CD، بما في ذلك مشغلات محلية عند الاقتضاء.
المهارات التقنية خبرة قوية في بايثون لتطوير البرمجيات الخلفية وML.
خبرة في أطر ML مثل PyTorch أو TensorFlow وscikit-learn وpandas.
معرفة قوية بـ Postgres أو MySQL لتخزين البيانات.
خبرة في Docker وGit وأفضل الممارسات في DevOps.
خبرة عملية في تدريب وتحسين نماذج LLM.
خبرة في Hugging Face Transformers & Datasets.
معرفة بأدوات تحليل XML/XSD ووثائق Office.
خبرة في نشر النماذج باستخدام vLLM أو TGI أو Ollama.
فهم تقنيات التكميم (GGUF/GPTQ/AWQ).
خبرة في تحسين GPU وCUDA stack.
القدرة على بناء حلول للبيئات غير المتصلة والمحلية والمعزولة.
خبرة عملية في تصميم وتنفيذ خطوط أنابيب RAG، بما في ذلك نماذج التضمين، ومخازن المتجهات (FAISS وChroma وWeaviate أو pgvector)، واستراتيجيات تحسين الاسترجاع.
خبرة في بناء أو دمج خوادم MCP (بروتوكول سياق النموذج) لربط نماذج LLM بالأدوات الخارجية وواجهات برمجة التطبيقات ومصادر البيانات المنظمة.
ما يفضل خبرة في بناء أنظمة وكيلة باستخدام MCP في بيئات الإنتاج أو شبه الإنتاج.
معرفة بتقنيات RAG المتقدمة مثل HyDE وإعادة الترتيب أو الاسترجاع متعدد الخطوات.
خبرة في إدارة سجلات نماذج ML في البيئات غير المتصلة.
معرفة بـ AWS للنشر الهجين.
خبرة في البيئات الآمنة والشبكات المقيدة أو متطلبات الامتثال المؤسسي.
المهارات الشخصية عقلية ملكية قوية وقدرة على حل المشكلات.
القدرة على العمل بفعالية في فرق موزعة عبر مناطق زمنية.
التواصل الواضح عند مناقشة مواضيع تقنية معقدة مع أصحاب المصلحة الفنيين وغير الفنيين.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
