مهندس التعلم الألى

Eice Technology

نبحث عن مهندس تعلم الآلة ماهر لتطوير ونشر نماذج بديلة قائمة على الشبكات العصبية الرسومية (GNN) التي تقرب من محاكاة الفيزياء المعقدة لشبكات أنابيب النفط والغاز والشبكات.

هذه دور عملي لمهندس يمكنه بناء نماذج شبكات عصبية عالية الدقة لاستبدال المحاكيات المعقدة المكلفة حسابيًا (Nexus، Prosper).

المسؤوليات الرئيسية:

• تصميم وتنفيذ هياكل الشبكات العصبية لنمذجة ديناميات التدفق في شبكات الأنابيب المتصلة.
• بناء نماذج بديلة للتنبؤ بتوزيعات الضغط، ومعدلات التدفق، وسلوك الشبكة تحت سيناريوهات تشغيلية متنوعة.
• إنشاء قنوات البيانات لاستخراج وتحويل طوبولوجيا الشبكة ونتائج المحاكاة إلى تمثيلات رسومية.
• تطوير أطر تدريب تدمج قيود فيزيائية (مثل قوانين الحفظ، علاقات الضغط والتدفق) في دوال خسارة الشبكة العصبية.
• التعاون مع مهندسي البترول لضمان دقة النموذج والتوافق الفيزيائي.
• تنفيذ مراقبة النموذج، والتحقق، وعمليات التحسين المستمر.

المهارات والخبرة المطلوبة:

• خبرة في شبكات الأعصاب الرسومية (GCN، GraphSAGE، شبكات تمرير الرسائل) مع خبرة مثبتة في التنفيذ.
• خبرة عملية قوية مع PyTorch Geometric، DGL، أو TensorFlow GNN.
• خبرة في بناء نماذج بديلة أو شبكات الأعصاب المدروسة فيزيائيًا (PINNs).
• إجادة في Python، NumPy، SciPy، وPandas.
• القدرة على التعامل مع هياكل البيانات المعقدة (الرسوم البيانية، السلاسل الزمنية، البيانات المكانية).
• فهم قوي لـ تقنيات التحسين والتعامل مع بيانات التدريب على نطاق واسع.

معرفة المجال الفني:

• معرفة بـ نظرية الرسوم البيانية وتحليل الشبكات.
• خبرة مع هياكل بيانات الرسوم البيانية (مصفوفات التلاصق، قوائم الحواف، tensors نادرة).
• فهم لـ ضبط المعلمات الفائقة، تحقق النموذج، وتقدير عدم اليقين في نماذج ML.

من الجيد أن يمتلك المتقدم:

• خلفية في هندسة البترول، هندسة العمليات، أو ديناميكا السوائل.
• الإلمام بـ محاكاة الخزانات أو الهيدروليكا في خطوط الأنابيب.
• خبرة في MLOps وإدارة دورة حياة النموذج.
• المنشورات أو المساهمات مفتوحة المصدر في Graph ML.
• خبرة في نشر نماذج ML في بيئات السحابة (Docker، Kubernetes، تطوير API).

خبرة الصناعة:

• خبرة في صناعة النفط والغاز هي ميزة قوية.
• يتم تشجيع المرشحين الذين لديهم خبرة في النمذجة البديلة من مجالات هندسية أخرى على التقدم.

الخلفية التعليمية:

• ماجستير/دكتوراه في علوم الكمبيوتر، الهندسة الحاسوبية، الرياضيات التطبيقية، أو مجال ذي صلة مفضل.
• أساس قوي في الجبر الخطي، نظرية الرسوم البيانية، والأساليب العددية.