مهندس AI / تعلم الآلة
VAM Systems
صاحب عمل نشط
نشرت قبل 3 ساعات
أرسل لي وظائف مثل هذه
الخبرة
7 - 23 سنوات
التعليم
بكالوريوس في التكنولوجيا/ الهندسة(أي), ماجستير في القانون(قانون)
الجنسية
أي جنسية
جنس
غير مذكور
عدد الشواغر
1 عدد الشواغر
الوصف الوظيفي
الأدوار والمسؤوليات
موقع العمل
البحرين
الخبرة
7 إلى 23 سنة
مستوى التأهيل
خريج؛ ماجستير إدارة الأعمال / خريجي إدارة ما بعد التخرج
وظيفة العمل
المصرفية / الخدمات المالية
تقنية المعلومات - البرمجيات
مجموعة المهارات
AI//ML، TensorFlow، Python، AWS، Azure، المصرفية
الباحثون المفضلون
الباحثون عن عمل من أي بلد
VAM Systems هي شركة استشارات أعمال، وحلول وخدمات تقنية المعلومات.
VAM Systems تبحث حالياً عن مهندس AI / تعلم الآلة (في الموقع) لعملياتنا في البحرين مع المهارات والشروط التالية:
سنوات الخبرة: 7 إلى 10 سنوات
التأهيل
درجة بكاليوس في علوم الحاسوب / الهندسة
يفضل بكاليوس في علوم الحاسوب والهندسة
التدريب المهني المطلوب: تعلم الآلة، التعلم العميق، MLOps، AI في الخدمات المالية.
المؤهل المهني المطلوب: مهندس تعلم الآلة المحترف من Google، مهندس AI من Microsoft مرخصين مهنيين مطلوبين غير قابل للتطبيق.
الشهادات المهنية المطلوبة: شهادة مطور TensorFlow، شهادة تعلم الآلة المعتمدة من AWS.
الخبرة المطلوبة:
القدرة على بناء ونشر نماذج تعلم الآلة باستخدام Python والمكتبات ذات الصلة. فهم خوارزميات التعلم المراقب وغير المراقب.
الخبرة في تقييم النماذج ومقاييس الأداء.
الإلمام بحالات استخدام AI في المصرفية (مثل، كشف الاحتيال، التخصيص) معرفة معالجة البيانات وهندسة الميزات.
القدرة على العمل مع منصات تعلم الآلة المستندة إلى السحابة (مثل، Azure ML، AWS SageMaker). فهم MLOps وإدارة دورة حياة النموذج.
القدرة على التواصل حول الرؤى وبناء نماذج AI قابلة للتفسير.
تعلم الآلة / التعلم العميق.
معرفة في الإحصاء والمالية.
معالجة البيانات وهندسة الميزات.
نشر النموذج وMLOps.
التحليل الإحصائي.
منصات AI السحابية.
AI القابلة للتفسير (XAI).
حلول مشكلات الأعمال
مسؤوليات العمل:
تصميم وتطوير نماذج تعلم الآلة لدعم حلول المصرفية المدفوعة بالذكاء الاصطناعي التعاون مع مهندسي البيانات للوصول إلى البيانات وتحضيرها للنمذجة تطبيق تقنيات الإحصاء وتعلم الآلة لحل المشكلات التجارية (مثل، توقع فقدان العملاء، تقييم الائتمان) تقييم أداء النموذج وتحسينه من أجل الدقة والدقة والاسترجاع نشر النماذج في الإنتاج باستخدام أطر عمل MLOps وأنابيب CI/CD التأكد من أن النماذج قابلة للتفسير وقابلة للتدقيق ومتوافقة مع المعايير التنظيمية العمل مع أصحاب المصلحة في الأعمال لتحديد فرص AI وتعريف مقاييس النجاح توثيق افتراضات النموذج ومصادر البيانات ومعايير الأداء.
الهندسة الأساسية للذكاء الاصطناعي / معالجة اللغة الطبيعية
Python (PyTorch، TensorFlow، LangChain، Hugging Face، OpenAI API، Anthropic Claude، إلخ.)
ضبط LLM (LoRA، PEFT، ضبط التوجيه)
توليد معزز للاسترجاع (RAG)، قواعد بيانات متجهة (Pinecone، FAISS، Weaviate، Chroma)
هندسة التوجيه والتنظيم (LangChain، LlamaIndex، Semantic Kernel، DSPy)
معرفة بالتضمينات، تجزئة الرموز، وهندسة المحولات
أدوات AI السحابية: AWS Bedrock، Azure OpenAI، Vertex AI، OpenSearch، ElasticSearch
تقييم النموذج: الكشف عن الهلوسة، التأسيس، والمعايير القياسية (BLEU، ROUGE، TruthfulQA، إلخ.)
هندسة البرمجيات وتكامل الخلفية
واجهات برمجة التطبيقات RESTful وGraphQL، webhooks
الحاويات والنشر (Docker، Kubernetes، CI/CD)
المصادقة وإدارة المستخدمين / الجلسات
خطوط البيانات والخدمات الصغيرة
معرفة بالأطر مثل FastAPI، Flask، NestJS، أو Express
التكامل مع بيانات المؤسسات (SharePoint، Salesforce، SQL، واجهات برمجة التطبيقات الداخلية)
تنظيم الوكالات والأدوات
LangGraph، AutoGen، CrewAI، Flowise، أو أطر الوكالات المشابهة
سلاسل تقسيم المهام والتفكير
استدعاء الوظائف، استخدام الأدوات، وتسلسل واجهات برمجة التطبيقات
تصميم الذاكرة (قصيرة الأجل مقابل طويلة الأجل)
إدارة السياق واستراتيجيات التأسيس.
تجربة المحادثة / التصميم
أطر تصميم المحادثة (Google CCAI، Microsoft Bot Framework، Voiceflow، Botpress)
تصميم التدفق وإدارة النية (Dialogflow، Rasa، Cognigy)
تصميم النغمة، التعاطف، والشخصية لشخصيات AI
اختبار A/B لمتغيرات الحوار وقياس رضا المستخدم.
البيانات والبنية التحتية
خطوط البيانات (Airflow، dbt، Kafka)
إدخال البيانات الهيكلية / غير الهيكلية (PDFs، قواعد البيانات، واجهات برمجة التطبيقات)
إدارة متجر الميزات وسجل النموذج (MLflow، Kubeflow)
نشر قواعد بيانات المتجهات وتحسينها
المراقبة، التسجيل، وكشف التغيرات.
الحوكمة، الأمن، والامتثال
تفسير النموذج (SHAP، LIME)
تدقيقات التحيز / العدالة وخصوصية البيانات
الامتثال لـ GDPR، ISO 42001، NIST AI RMF، والتنظيمات المصرفية المحلية
تسجيل التوجيهات بشكل آمن وآثار التدقيق.
المنتجات والاستراتيجية
ترجمة المشاكل التجارية إلى حالات استخدام AI
تخطيط خارطة الطريق والميزانية
تصميم مؤشرات الأداء (الدقة، رضا المستخدم، عائد الاستثمار على الأتمتة)
إدارة الموردين (OpenAI، Anthropic، AWS، إلخ.)
إدارة التغيير وتبني المستخدم
VAM Systems تبحث حالياً عن مهندس AI / تعلم الآلة (في الموقع) لعملياتنا في البحرين مع المهارات والشروط التالية:
سنوات الخبرة: 7 إلى 10 سنوات
التأهيل
درجة بكاليوس في علوم الحاسوب / الهندسة
يفضل بكاليوس في علوم الحاسوب والهندسة
التدريب المهني المطلوب: تعلم الآلة، التعلم العميق، MLOps، AI في الخدمات المالية.
المؤهل المهني المطلوب: مهندس تعلم الآلة المحترف من Google، مهندس AI من Microsoft مرخصين مهنيين مطلوبين غير قابل للتطبيق.
الشهادات المهنية المطلوبة: شهادة مطور TensorFlow، شهادة تعلم الآلة المعتمدة من AWS.
الخبرة المطلوبة:
القدرة على بناء ونشر نماذج تعلم الآلة باستخدام Python والمكتبات ذات الصلة. فهم خوارزميات التعلم المراقب وغير المراقب.
الخبرة في تقييم النماذج ومقاييس الأداء.
الإلمام بحالات استخدام AI في المصرفية (مثل، كشف الاحتيال، التخصيص) معرفة معالجة البيانات وهندسة الميزات.
القدرة على العمل مع منصات تعلم الآلة المستندة إلى السحابة (مثل، Azure ML، AWS SageMaker). فهم MLOps وإدارة دورة حياة النموذج.
القدرة على التواصل حول الرؤى وبناء نماذج AI قابلة للتفسير.
تعلم الآلة / التعلم العميق.
معرفة في الإحصاء والمالية.
معالجة البيانات وهندسة الميزات.
نشر النموذج وMLOps.
التحليل الإحصائي.
منصات AI السحابية.
AI القابلة للتفسير (XAI).
حلول مشكلات الأعمال
مسؤوليات العمل:
تصميم وتطوير نماذج تعلم الآلة لدعم حلول المصرفية المدفوعة بالذكاء الاصطناعي التعاون مع مهندسي البيانات للوصول إلى البيانات وتحضيرها للنمذجة تطبيق تقنيات الإحصاء وتعلم الآلة لحل المشكلات التجارية (مثل، توقع فقدان العملاء، تقييم الائتمان) تقييم أداء النموذج وتحسينه من أجل الدقة والدقة والاسترجاع نشر النماذج في الإنتاج باستخدام أطر عمل MLOps وأنابيب CI/CD التأكد من أن النماذج قابلة للتفسير وقابلة للتدقيق ومتوافقة مع المعايير التنظيمية العمل مع أصحاب المصلحة في الأعمال لتحديد فرص AI وتعريف مقاييس النجاح توثيق افتراضات النموذج ومصادر البيانات ومعايير الأداء.
الهندسة الأساسية للذكاء الاصطناعي / معالجة اللغة الطبيعية
Python (PyTorch، TensorFlow، LangChain، Hugging Face، OpenAI API، Anthropic Claude، إلخ.)
ضبط LLM (LoRA، PEFT، ضبط التوجيه)
توليد معزز للاسترجاع (RAG)، قواعد بيانات متجهة (Pinecone، FAISS، Weaviate، Chroma)
هندسة التوجيه والتنظيم (LangChain، LlamaIndex، Semantic Kernel، DSPy)
معرفة بالتضمينات، تجزئة الرموز، وهندسة المحولات
أدوات AI السحابية: AWS Bedrock، Azure OpenAI، Vertex AI، OpenSearch، ElasticSearch
تقييم النموذج: الكشف عن الهلوسة، التأسيس، والمعايير القياسية (BLEU، ROUGE، TruthfulQA، إلخ.)
هندسة البرمجيات وتكامل الخلفية
واجهات برمجة التطبيقات RESTful وGraphQL، webhooks
الحاويات والنشر (Docker، Kubernetes، CI/CD)
المصادقة وإدارة المستخدمين / الجلسات
خطوط البيانات والخدمات الصغيرة
معرفة بالأطر مثل FastAPI، Flask، NestJS، أو Express
التكامل مع بيانات المؤسسات (SharePoint، Salesforce، SQL، واجهات برمجة التطبيقات الداخلية)
تنظيم الوكالات والأدوات
LangGraph، AutoGen، CrewAI، Flowise، أو أطر الوكالات المشابهة
سلاسل تقسيم المهام والتفكير
استدعاء الوظائف، استخدام الأدوات، وتسلسل واجهات برمجة التطبيقات
تصميم الذاكرة (قصيرة الأجل مقابل طويلة الأجل)
إدارة السياق واستراتيجيات التأسيس.
تجربة المحادثة / التصميم
أطر تصميم المحادثة (Google CCAI، Microsoft Bot Framework، Voiceflow، Botpress)
تصميم التدفق وإدارة النية (Dialogflow، Rasa، Cognigy)
تصميم النغمة، التعاطف، والشخصية لشخصيات AI
اختبار A/B لمتغيرات الحوار وقياس رضا المستخدم.
البيانات والبنية التحتية
خطوط البيانات (Airflow، dbt، Kafka)
إدخال البيانات الهيكلية / غير الهيكلية (PDFs، قواعد البيانات، واجهات برمجة التطبيقات)
إدارة متجر الميزات وسجل النموذج (MLflow، Kubeflow)
نشر قواعد بيانات المتجهات وتحسينها
المراقبة، التسجيل، وكشف التغيرات.
الحوكمة، الأمن، والامتثال
تفسير النموذج (SHAP، LIME)
تدقيقات التحيز / العدالة وخصوصية البيانات
الامتثال لـ GDPR، ISO 42001، NIST AI RMF، والتنظيمات المصرفية المحلية
تسجيل التوجيهات بشكل آمن وآثار التدقيق.
المنتجات والاستراتيجية
ترجمة المشاكل التجارية إلى حالات استخدام AI
تخطيط خارطة الطريق والميزانية
تصميم مؤشرات الأداء (الدقة، رضا المستخدم، عائد الاستثمار على الأتمتة)
إدارة الموردين (OpenAI، Anthropic، AWS، إلخ.)
إدارة التغيير وتبني المستخدم
القطاع المهني للشركة
- التصميم والاستشارة الهندسية
المجال الوظيفي / القسم
- هندسة
الكلمات الرئيسية
- مهندس AI / تعلم الآلة
تنويه: نوكري غلف هو مجرد منصة لجمع الباحثين عن عمل وأصحاب العمل معا. وينصح المتقدمون بالبحث في حسن نية صاحب العمل المحتمل بشكل مستقل. نحن لا نؤيد أي طلبات لدفع الأموال وننصح بشدة ضد تبادل المعلومات الشخصية أو المصرفية ذات الصلة. نوصي أيضا زيارة نصائح أمنية للمزيد من المعلومات. إذا كنت تشك في أي احتيال أو سوء تصرف ، راسلنا عبر البريد الإلكتروني abuse@naukrigulf.com