مهندس منتج الذكاء الاصطناعي

Mathspace

معلومات عنا

Mathspace في مهمة لتحويل تعليم الرياضيات. نعتقد أن كل طالب يمكنه التعلم والنمو في الرياضيات مع الدعم المناسب ونحن نبني أكثر المنصات ذكاءً وتكيفًا لجعل ذلك ممكنًا.

على مدى أكثر من عقد، كنا روادًا في تجارب تعلم الرياضيات التفاعلية المدفوعة بالتعليقات التي يستخدمها مئات الآلاف من الطلاب والمعلمين على مستوى العالم. لكننا لا نزال في بداية الطريق.

مستقبل تعليم الرياضيات هو واحد حيث تساعد الذكاء الاصطناعي كل متعلم في الحصول على توجيه شخصي في الوقت الحقيقي تمامًا كما يفعل المعلم. ونحن نبني ذلك.

نحن فريق شغوف ومدفوع بالرسالة يمزج بين الرؤية التعليمية العميقة والتكنولوجيا الحديثة. في Mathspace، يؤثر عملك مباشرة على كيفية تعلم الجيل القادم.

عن الدور

كـ مهندس منتج AI في Mathspace، ستقود تطوير تجارب التعلم الذكية المدعومة بنماذج اللغة الكبيرة (LLMs) وأشكال أخرى من الذكاء الاصطناعي التوليدي. من المفهوم إلى الإنتاج، ستبني ميزات منتج جديدة تساعد الطلاب في الحصول على تلميحات في الوقت المناسب، وتعليقات حوارية، ودعم رياضي يشبه البشر على نطاق واسع.

ستنضم إلى فريق منتج متعدد الوظائف من المهندسين والمصممين والمعلمين ومديري المنتجات، وستعمل عبر المكدس لاستكشاف ما هو ممكن عند تقاطع علم التربية والذكاء الاصطناعي. ستقوم بتقييم النماذج، وتصميم المطالبات وأطر التقييم، ومساعدتنا في شحن تجارب مصقولة إلى الفصول الدراسية حول العالم.

لا زلنا في الأيام الأولى من رحلتنا في الذكاء الاصطناعي، وستكون مساهمتك الرئيسية في تشكيل استراتيجيتنا وأنظمتنا وثقافتنا حول البناء باستخدام LLMs.

ما الذي ستقوم به

• تصميم وبناء تجارب تعلم مدعومة بالذكاء الاصطناعي تدمج LLMs في تطبيقات Mathspace الموجهة للطلاب والمعلمين.
• إنشاء نماذج أولية، واختبار، ونشر ميزات مستندة إلى LLM، مثل التعليقات الخاصة بالرياضيات، والتلميحات التكيفية، وتوليد الأسئلة التلقائية، وأدوات مساعدة المعلمين.
• العمل عبر المكدس باستخدام React، TypeScript، Python و GraphQL.
• تجربة مع المطالبات، RAG، البحث المتجه، واستراتيجيات الضبط لتحسين نتائج تعلم الطلاب.
• التعاون مع فرق المنهج وعلم التربية لضمان أن تجارب الذكاء الاصطناعي لدينا سليمة من الناحية التربوية ومتوافقة مع قيمنا التعليمية.
• المساهمة في بنيتنا التحتية للذكاء الاصطناعي وعمليات LLMOps، بما في ذلك خطوط تقييم، وإصدار المطالبات، وأدوات الرصد.
• التفكير بشكل إبداعي وناقد حول ما يجب وما لا يجب أن تفعله LLMs في سياق تعليمي وتصميم الحواجز وفقًا لذلك.