قائد تقني للذكاء الاصطناعي

Market Securities Group

تصميم وبناء أنظمة الذكاء الاصطناعي: تصميم وتنفيذ تطبيقات الذكاء الاصطناعي من النهاية إلى النهاية باستخدام LLMs، workflows متعددة الوكلاء، وأطر الأتمتة (مثل LangChain، LangGraph)، الانتقال بسرعة من PoC إلى الإنتاج.

تطوير النموذج بشكل عملي: تحسين، ربط، ونشر LLMs ونماذج ML الأخرى مع كتابة ومراجعة الشيفرة بشكل نشط.

دمج الذكاء الاصطناعي في المنتجات الأساسية: التعاون مع فرق الهندسة لدمج قدرات الذكاء الاصطناعي في المنتجات الجديدة والقديمة، مما يضمن قابلية التوسع، القابلية للصيانة، وتأثير الأعمال.

تشكيل عمليات الذكاء الاصطناعي والحوكمة: إنشاء معايير لجودة البيانات، والتحقق من النماذج، وممارسات الذكاء الاصطناعي المسؤولة، وعمليات النشر بالتعاون مع فرق الامتثال والحكومة.

البقاء في مقدمة المنحنى: مراقبة واستكشاف الأدوات والاتجاهات الناشئة في الذكاء الاصطناعي/تعلم الآلة، الأتمتة، وهندسة البيانات للحفاظ على الميزة التنافسية.

قياس وتكرار: تحديد مؤشرات الأداء الرئيسية ومقاييس النجاح لمبادرات الذكاء الاصطناعي، باستخدام أساليب قائمة على البيانات لتحسين النماذج، workflows، واتجاه المنتج.

المؤهلات

• الخبرة: 5+ سنوات في القيادة الفنية أو المنتجات مع سجل حافل في تقديم منتجات تكنولوجية معقدة وكثيفة البيانات.
• البرمجة والتطوير: إتقان في Python، Jscript، DB (SQL، NoSQL)، C#
• أطر الذكاء الاصطناعي/تعلم الآلة: خبرة عملية مع PyTorch، TensorFlow، Hugging Face، Scikit-learn، Transformers....
• الكفاءات الأساسية في تعلم الآلة:
  
  • التعلم الخاضع للإشراف: تصنيف البيانات، الانحدار، وتوقعات السلاسل الزمنية.
  • التعلم غير الخاضع للإشراف: التجميع، الكشف عن الشذوذ، وتقليل الأبعاد.
  • معالجة اللغة الطبيعية: LLMs، التضمينات، RAG، هندسة التوجيه، تصنيف النص، وتحليل المشاعر.
  • تحسين النموذج: تحسين دقيق، تعلم نقل، ضبط المعلمات، وتقييم/التحقق من النموذج.
  • الأتمتة والتنظيم: N8n، وكلاء الذكاء الاصطناعي، LangChain، LangGraph، محركات workflows، وMCP.
• الطلاقة التقنية: فهم قوي لممارسات تطوير البرمجيات، واجهات برمجة التطبيقات (APIs)، ومنصات السحابة (AWS، Azure، GCP). تعتبر الخبرة في هياكل البيانات وبناء/صيانة خطوط أنابيب البيانات ذات قيمة عالية.
• متطلبات المحفظة: محفظة موثقة لمشاريع الذكاء الاصطناعي/تعلم الآلة (مثل، مستودعات GitHub، دراسات حالة تقنية، نشرات الذكاء الاصطناعي الإنتاجية، أو أبحاث منشورة) تعرض تطوير الحلول من البداية إلى النهاية والتكامل.