مقدمة

في آي بي إم للبنية التحتية والتكنولوجيا، نقوم بتصميم وتشغيل الأنظمة التي تحافظ على سير العالم. من الأنظمة الرئيسية عالية المرونة ومنصات السحابة الهجينة إلى الشبكات والأتمتة وموثوقية المواقع. تضمن فرقنا الأداء والأمان وقابلية التوسع التي يعتمد عليها العملاء والصناعات كل يوم. العمل في البنية التحتية والتكنولوجيا يعني مواجهة تحديات معقدة بدافع الفضول والتعاون. ستعمل مع تقنيات وزملاء متنوعين على مستوى العالم لتقديم حلول مرنة جاهزة للمستقبل تدعم الابتكار. مع التعلم المستمر، ونمو المسيرة المهنية، وثقافة الدعم، توفر آي بي إم الفرص لبناء الخبرة وتشكيل البنية التحتية التي تدفع التقدم.

دورك ومسؤولياتك

1. تصميم وتطوير وصيانة خدمات خلفية قابلة للتوسع لـ آي بي إم لتصورات التخزين، تدعم المراقبة والتحليلات والأتمتة وسير العمل المدعوم بالذكاء الاصطناعي وقدرات المنصة المؤسسية.
2. بناء خدمات خلفية قوية، وواجهات برمجة التطبيقات، وطبقات تكامل باستخدام جافا، بايثون، والأطر ذات الصلة، مع التركيز على الأداء والموثوقية وقابلية الصيانة وممارسات الهندسة الآمنة.
3. تطوير واجهات خدمات قائمة على REST، مدفوعة بالأحداث، وغير متزامنة تتكامل مع الأنظمة الموزعة، وخطوط البيانات، ومنصات المراقبة، والخدمات المؤسسية.
4. المساهمة في بنية الخلفية للأنظمة السحابية متعددة المستأجرين، بما في ذلك تحليل الخدمات، وتصميم واجهات برمجة التطبيقات، ونمذجة البيانات، والتخزين المؤقت، والموثوقية، والمراقبة التشغيلية.
5. تنفيذ قدرات مدعومة بالذكاء الاصطناعي/تعلم الآلة، بما في ذلك سير العمل المدعوم بـ LLM، والخدمات الوكيلة، والتوليد المعزز بالاسترجاع، واستخراج الكيانات والنوايا، وحالات الاستخدام الآلي.
6. المساهمة في هندسة الذكاء الاصطناعي الوكيلة مع عمق في واحد أو أكثر من المجالات المتخصصة مثل تنسيق LangGraph، تصميم استدعاء الأدوات، تطوير حوامل الوكلاء، مراقبة Langfuse، تقييم LLM، خطوط RAG، إدارة التحفيز/الإصدار، حواجز الأمان، أو تتبع الإنتاج. تقدر هذه الوظيفة العمق المثبت في واحدة على الأقل من هذه المجالات بدلاً من المعرفة الواسعة ولكن السطحية عبر العديد من الأطر.
7. بناء وصيانة خدمات قائمة على بايثون، وأدوات الأتمتة، وحوامل التقييم، ومكونات معالجة البيانات لدعم حالات استخدام الذكاء الاصطناعي/تعلم الآلة وهندسة الخلفية.
8. التعاون مع إدارة المنتجات، والمعماريين، وفرق المنصات، وSREs، وفرق الهندسة الأخرى لتقديم قدرات من الدرجة الإنتاجية للعملاء المؤسسيين.
9. ضمان أن الحلول المقدمة تلبي معايير عالية من حيث قابلية التوسع والأمان والموثوقية والأداء وقابلية الاختبار والدعم التشغيلي.
10. المساهمة بشكل انتقائي في تكاملات الواجهة الأمامية أو لوحات المعلومات عند الحاجة، مع التركيز بشكل أساسي على خدمات الخلفية، وهندسة المنصات، والقدرات المدعومة بالذكاء الاصطناعي.

التعليم المطلوب
درجة البكالوريوس

التعليم المفضل
درجة الماجستير

الخبرة الفنية والمهنية المطلوبة

1. حوالي 4-6 سنوات من الخبرة العملية في هندسة البرمجيات، مع خبرة قوية في برمجة الخلفية باستخدام جافا و/أو بايثون.
2. فهم قوي لتطوير الخلفية، بما في ذلك تصميم واجهات برمجة التطبيقات، وتنظيم الخدمات، والتزامن، ومعالجة الأخطاء، والتسجيل، والاختبار، واستكشاف الأخطاء وإصلاحها في الإنتاج.
3. خبرة في بناء واجهات برمجة التطبيقات RESTful، والخدمات غير المتزامنة، والتكاملات المدفوعة بالأحداث، ومكونات الخلفية التي تتفاعل مع الأنظمة الموزعة.
4. أساسيات برمجية قوية، بما في ذلك التصميم القائم على الكائنات، وهياكل البيانات، والخوارزميات، وأنماط التصميم، ومفاهيم قواعد البيانات، وأساسيات الشبكات، وتصميم الأنظمة.
5. خبرة مع قواعد البيانات SQL و/أو NoSQL، بما في ذلك تصميم المخططات، وتطوير الاستعلامات، ومفاهيم الفهرسة، والمعاملات، وأنماط الوصول إلى البيانات.
6. معرفة عملية بهندسة الخدمات المصغرة، ونشر الحاويات، وتطوير السحابة، والتواصل بين الخدمات.
7. خبرة عملية مع بايثون لتطوير الخلفية، والأتمتة، ومعالجة البيانات، أو حالات استخدام إنتاجية الهندسة.
8. تعرض لهندسة الذكاء الاصطناعي/تعلم الآلة أو الذكاء الاصطناعي التوليدي، بما في ذلك دمج واجهات برمجة التطبيقات LLM، وتصميم التحفيز، واستدعاء الأدوات، وبناء حوامل التقييم، أو تنفيذ سير العمل القائم على الوكلاء.
9. يفضل أن يكون لديك عمق مثبت في واحدة على الأقل من مجالات هندسة الذكاء الاصطناعي الوكيلة، مثل تنسيق الوكلاء، وتصميم استخدام الأدوات، وتنفيذ RAG، وحوامل التقييم، والمراقبة/التتبع، أو تصحيح سير العمل الإنتاجي لـ LLM.
10. القدرة على كتابة كود نظيف، ووحدوي، وقابل للاختبار، وقابل للصيانة مع تغطية مناسبة للاختبار الوحدوي، والاختبار التكامل، واختبار الانحدار.
11. خبرة في العمل في فرق هندسية مرنة مع ملكية قوية للتصميم والتنفيذ ومراجعات الكود واستكشاف الأخطاء وإصلاحها واستعداد الإنتاج.
12. معرفة أساسية بـ JavaScript/TypeScript وأطر العمل الأمامية مثل React مفيدة، لكن التوقع الأساسي هو قدرة قوية في هندسة الخلفية.

الخبرة الفنية والمهنية المفضلة

خبرة في أطر عمل جافا الخلفية مثل Spring Boot، Quarkus، Micronaut، أو تقنيات خلفية مؤسسية مشابهة.

خبرة في بناء خدمات بايثون باستخدام أطر مثل FastAPI، Flask، أو أطر خلفية/API مشابهة.

تخصص عميق في واحد أو أكثر من مجالات هندسة الذكاء الاصطناعي الوكيلة، بدلاً من الوعي العام فقط بعدة أدوات. تشمل الأمثلة:

• تنسيق الوكلاء: LangGraph، LangChain، سير العمل القائم على الحالة، أنماط التخطيط-العمال، تنسيق الوكلاء المتعددين.
• حوامل الوكلاء: حوامل الاختبار، محاكيات الأدوات، إعادة تشغيل السيناريو، مجموعات الانحدار، تدفقات التقييم الحتمية.
• مراقبة LLM: Langfuse، التتبع، تتبع التحفيز/الإصدار، قياس الكمون والتكلفة، تحليل الفشل.
• استدعاء الأدوات والتكاملات: تصميم أدوات واجهة برمجة التطبيقات، تصميم المخططات، التحقق من الإجراءات، التنفيذ الآمن، أنماط إعادة المحاولة والتراجع.
• RAG وأنظمة الاسترجاع: تضمين، قواعد بيانات متجهة، استراتيجيات تقسيم، تصنيف، تأريض، وتقييم جودة الاستجابة.
• سلامة الذكاء الاصطناعي والموثوقية: حواجز الأمان، تقييم الثقة، تصميم التراجع، التخفيف من الهلوسة، المراقبة الإنتاجية.
• تقييم النموذج: مجموعات البيانات الذهبية، التقييمات الآلية، مراجعة الإنسان في الحلقة، مقاييس الجودة، وبوابات الإصدار.

خبرة في المراقبة، والتتبع، ومنصات التحليلات، أو أنظمة إدارة البنية التحتية.

خبرة في خطوط أنابيب CI/CD، وممارسات DevOps، وتنظيم الحاويات، والاختبار الآلي، وعمليات نشر الإنتاج.

خبرة في منصات مؤسسية متعددة المستأجرين عالية النطاق وآمنة.

معرفة بتوزيع معالجة البيانات، وأنظمة التدفق/الأحداث، والتخزين المؤقت، وقوائم الرسائل، وتحسين أداء الخلفية.

التعرض للوحة المعلومات الأمامية، ومكتبات التصور، أو تكامل واجهة المستخدم القائمة على React هو ميزة، ولكن ليس التركيز الأساسي للدور.

سنوات الخبرة:
3-8