وصف الوظيفة:

مهندس ذكاء اصطناعي

نظرة عامة على الدور

نبحث عن مهندس ذكاء اصطناعي توليدي لديه أسس قوية في التعلم العميق، وهندسة المحولات، وتجربة عملية في بناء تطبيقات GenAI تتجاوز أنظمة RAG الأساسية. يجب أن يكون المرشح المثالي لديه خبرة عملية/معرفة تقنية في ضبط LLM، والنماذج متعددة الوسائط، وأنظمة الاسترجاع، والأطر الوكيلة، وهندسة الاسترجاع، ونشر ML على مستوى الإنتاج.

سيعمل هذا الدور بالتعاون مع فرق الهندسة وعلوم البيانات وتجربة العملاء لبناء وكلاء ذكيين، وتجارب متعددة الوسائط، وأنظمة تخصيص، وحلول ذكاء اصطناعي قائمة على المعرفة تعزز من مستقبل تفاعل العملاء مع العلامات التجارية العالمية.

• بناء تطبيقات ذكاء اصطناعي محادثة وغير محادثة، متعددة الوسائط، ووكيلة باستخدام LLMs وأطر مثل LangChain وLangGraph وLlamaIndex وAutoGen أو ما شابه.
• تصميم سير عمل الذكاء الاصطناعي التي تتضمن التفكير، والتخطيط، واستخدام الأدوات، والذاكرة، والتأسيس، ودمج الأنظمة الخارجية.
• تطوير أنظمة ذكاء اصطناعي مدعومة بالرسم البياني للمعرفة (KG)، بما في ذلك استخراج الكيانات، والربط، والاسترجاع المعزز بالرسم البياني.
• ضمان السلامة، والاتساق، والتحكم في الهلوسة من خلال التقييم المنظم والحواجز.

• تحويل النماذج إلى واجهات برمجة تطبيقات قابلة للتوسع وخدمات صغيرة باستخدام Python وFastAPI/Flask وDocker.
• نشر ومراقبة أنظمة ML/AI في AWS/Azure/GCP، مع تحسين التكلفة، والكمون، والموثوقية.
• التعاون مع فرق MLOps على خطوط أنابيب CI/CD، وإصدار النماذج، والمراقبة، والتقييم الآلي.
• العمل مع تقنيات البيانات الكبيرة بما في ذلك Apache Spark وHadoop وقواعد البيانات NoSQL مثل MongoDB.

• بناء وتحسين النماذج المستندة إلى المحولات والنماذج متعددة الوسائط باستخدام أطر التعلم العميق (مثل PyTorch وTensorFlow).
• تنفيذ الضبط، والتوافق (RLHF/RLAIF)، LoRA/QLoRA، والتقييم والنماذج.
• تطوير أنظمة استرجاع المعلومات، بما في ذلك الاسترجاع الهجين الكثيف-النادر، والترتيب، والرسم البياني للمعرفة، وتحسين الصلة.
• بناء نماذج تنبؤية وخطوط أنابيب ML من الصفر، بما في ذلك إعداد البيانات، وهندسة الميزات، واختيار النماذج.

• العمل عبر الوظائف مع تجربة العملاء، والهندسة، وأصحاب المصلحة في المنتج لترجمة احتياجات الأعمال إلى حلول ذكاء اصطناعي.
• توثيق النماذج، والتجارب، وأطر التقييم، وعمليات النشر.
• إرشاد المهندسين المبتدئين والمساهمة في أفضل الممارسات الداخلية، والمكونات القابلة لإعادة الاستخدام، ومبادرات البحث والتطوير.

• البرمجة: Python (متقدم)، SQL؛ خبرة قوية في تطوير واجهات برمجة التطبيقات وهندسة البيانات،
• أطر العمل الخلفية: Flask وFASTAPI وDjango
• التعلم الآلي: النمذجة التنبؤية، التعلم العميق، التحسين، التضمينات، البحث عن المتجهات، تقييم النماذج.
• الذكاء الاصطناعي التوليدي: LLMs وRAG والهندسات متعددة الوسائط، والوكلاء، وهندسة المحفزات، والتأسيس، والرسم البياني للمعرفة.
• منصات السحابة: AWS وAzure أو GCP مع خبرة عملية في نشر وتوسيع أنظمة الذكاء الاصطناعي.
• تقنيات البيانات: Apache Spark وHadoop وMongoDB؛ فهم قوي لخطوط أنابيب البيانات والمعالجة على نطاق واسع.
• أسس الرياضيات: الجبر الخطي، الاحتمالات، الإحصائيات.

• حد أدنى 3-4 سنوات من الخبرة العملية في تطوير البرمجيات بما في ذلك بناء ونشر نماذج التعلم الآلي في الإنتاج.
• 2+ سنوات من الخبرة في العمل مع التعلم العميق، GenAI، أو الهندسات المستندة إلى المحولات.
• خبرة مثبتة في بناء تطبيقات GenAI تتجاوز RAG البسيط (مثل الوكلاء، متعددة الوسائط، ضبط LLM مخصص).
• خبرة في دمج أنظمة الذكاء الاصطناعي في بيئات المؤسسات.

فئة المهارات

مهندس ذكاء اصطناعي

المحولات والتعلم العميق

يفهم المحولات؛ يضبط النماذج الصغيرة.

الذكاء الاصطناعي التوليدي (LLMs & متعددة الوسائط)

يعمل مع واجهات برمجة تطبيقات LLM؛ RAG وKAG البسيطة - تم إثباتها من خلال خبرة المشروع.

استرجاع المعلومات والصلة

يستخدم قواعد بيانات المتجهات للاسترجاع، الرسم البياني للمعرفة - تم إثباتها من خلال خبرة المشروع.

النمذجة التنبؤية

يبني وينشر نماذج ML؛ يطبق مقاييس التقييم - تم إثباتها من خلال خبرة المشروع.

الرسم البياني للمعرفة

يدمج ويسترجع من KGs الموجودة.

الذكاء الاصطناعي المحادثاتي

روبوتات المحادثة النصية فقط؛ نماذج النية.

الأطر الوكيلة

استدعاء الوكلاء/الأدوات الأساسية.

نشر النماذج

ينشر النماذج كواجهات برمجة تطبيقات أساسية.

السحابة وMLOps

يستخدم خدمات الذكاء الاصطناعي السحابية.

البيانات الكبيرة وخطوط الأنابيب

يكتب SQL/Python ETL.

التعلم العميق

يفهم ويطبق هياكل التعلم العميق - RNNs وLSTMs وTransformers.

• يميل نحو النمو، التعاون، والدافع للتجربة.
• مهارات قوية في حل المشكلات مع ميل نحو العمل.
• القدرة على توضيح المفاهيم المعقدة بوضوح لأصحاب المصلحة غير التقنيين.
• مرونة وانفتاح تجاه هيكل العمل الهجين مع عدم تقلص عن يومين عمل من المكتب - وذلك لضمان تواصل الفريق العامل في مجال الذكاء الاصطناعي بانتظام وتبادل المعرفة عبر المشاريع.

الموقع:

العلامة التجارية:

نوع الوقت:

نوع العقد: