مهندس أنظمة تعلم الآلة

Tether Operations Limited

نحن نقوم بتطوير منصة ذكاء إعلامي قابلة للتوسع بشكل كبير تعالج وتحلل وتقوم بترتيب كميات كبيرة من المحتوى المتعدد الوسائط عبر النص والصورة والفيديو والصوت. كمهندس تعلم آلي تطبيقي أول، ستقوم بتصميم وبناء الأنظمة الخلفية الأساسية التي تدعم استيعاب الوسائط، وعمليات المعالجة، وتوليد البيانات الوصفية، والتحليل القائم على الذكاء الاصطناعي، والبحث الدلالي، واسترجاع المحتوى عبر مكتبات الوسائط الكبيرة.

نحن نبحث عن مهندس تعلم آلي تطبيقي أول يمكنه تصميم وتنفيذ وتحسين وتقييم خط أنابيب اعتدال جاهز للإنتاج باستخدام نماذج مفتوحة المصدر.

تتطلب هذه الوظيفة خبرة عميقة في هندسة الأنظمة الخلفية، وقدرة قوية على تصميم الأنظمة، وتجربة عملية في دمج أنظمة الذكاء الاصطناعي/تعلم الآلة في سير العمل الإنتاجي. ستعمل على خطوط معالجة الوسائط المعقدة، وتحليل الفيديو/الصوت، والتعرف على النصوص، وتحويل الكلام إلى نص، وتوليد التضمينات، والبحث المتجه، ودمج النماذج متعددة الأنماط، وأحمال العمل غير المتزامنة ذات الإنتاجية العالية. ستتعاون بشكل وثيق مع قيادة الهندسة لتحديد معمارية الخلفية، وتحسين الموثوقية وقابلية التوسع، وإرشاد المهندسين الآخرين في تقديم أنظمة آمنة وقابلة للرصد وعالية الأداء.

المسؤوليات

معمارية الخلفية وملكية النظام

• تخطيط وبناء وتشغيل خدمات خلفية قابلة للتوسع لمنصة ذكاء إعلامي، مع التركيز على أنظمة نظيفة وقابلة للصيانة وجاهزة للإنتاج.

• امتلاك مكونات خلفية حيوية من البداية إلى النهاية، بدءًا من تصميم النظام وعقود واجهة برمجة التطبيقات حتى التنفيذ والنشر والمراقبة والتكرار.

• قيادة القرارات المعمارية عبر واجهات برمجة التطبيقات، وخطوط معالجة البيانات، والحوسبة الموزعة، والتخزين، والبحث، والرصد، والبنية التحتية السحابية، وأعمال تقديم النماذج.

• تصميم نماذج البيانات وأنماط التخزين لأصول الوسائط، والبيانات الوصفية المولدة، والتضمينات، وأعمال المعالجة، ومخرجات النماذج، وفهارس البحث، وآثار التدقيق.

• تصميم خطوط استيعاب ومعالجة الوسائط عالية الإنتاجية لكميات كبيرة من محتوى الفيديو والصوت والصورة والنص.

• بناء سير عمل مدفوع بالأحداث لتجهيز الوسائط باستخدام قوائم الانتظار وأنظمة النشر/الاشتراك مثل SQS، Kafka، Pub/Sub، أو تقنيات مماثلة.

• تنفيذ أنماط معالجة غير متزامنة موثوقة، بما في ذلك إعادة المحاولة، والتماثل، وقوائم الانتظار الميتة، ومعالجة الضغط الخلفي، وتنفيذ المهام المقاومة للأخطاء.

دمج الذكاء الاصطناعي/تعلم الآلة وسير العمل للنماذج

• قيادة تطوير وتحسين استخراج البيانات الوصفية، وتحليل المحتوى، واكتشاف المشاهد، والتفريغ، وتوليد التضمينات، وسير العمل للاستدلال القائم على الذكاء الاصطناعي متعدد الأنماط.

• دمج وتحسين خدمات الذكاء الاصطناعي/تعلم الآلة ضمن سير العمل الخلفي، بما في ذلك واجهات برمجة تطبيقات النماذج، وخطوط تضمين، والتعرف على النصوص، وتحويل الكلام إلى نص، وتحليل المشاهد، والاستدلال متعدد الأنماط، والتجميع، والتخزين المؤقت، واستراتيجيات النسخ الاحتياطي.

• التعاون مع مهندسي تعلم الآلة، وعلماء البيانات، أو مقدمي النماذج الخارجيين لتقييم النماذج، ومقارنة جودة/تأخير التبادلات، وإطلاق ترقية النماذج بأمان.

تقديم النماذج وتحسين الأداء

• تحسين سير العمل لاستدلال الذكاء الاصطناعي/تعلم الآلة من حيث التأخير، والإنتاجية، والموثوقية، والتكلفة عبر كل من المسارات الزمنية الحقيقية والمعالجة المجمعّة.

• العمل مع أنظمة تقديم النماذج مثل vLLM، Triton، TGI، SageMaker، Vertex AI، أو خدمات الاستدلال المخصصة لتحسين التجميع، والتزامن، وسلوك التسخين، ومعالجة المهلات، والتوسع التلقائي، واستخدام وحدات معالجة الرسوميات.

• تقييم وتطبيق تقنيات تحسين النماذج العملية مثل التكميم، وتقطير النماذج، والتجميع، والتخزين المؤقت، وتحسين المطالبات، والتوجيه إلى نماذج أصغر أو أقل تكلفة عند الاقتضاء.

• تصميم وصيانة أنظمة البحث المتجه والفهرسة باستخدام تقنيات مثل Pinecone، Weaviate، Qdrant، Elastic Vectors، FAISS، pgvector، أو أدوات مماثلة.

• بناء سير عمل الاسترجاع الذي يدعم البحث الدلالي، ومطابقة التشابه، واكتشاف التكرارات، واكتشاف الوسائط، والبحث في البيانات الوصفية المنظمة.

• مراقبة أداء النماذج والأنظمة في الإنتاج، بما في ذلك تأخير واجهة برمجة التطبيقات، وعمق قائمة الانتظار، ووقت المعالجة، ومعدلات أخطاء النماذج، واستخدام وحدات معالجة الرسوميات، وتوزيع الثقة، وإشارات الانحراف، والتكلفة لكل عنصر تم معالجته.البحث والفهرسة واسترجاع البيانات

البنية التحتية والموثوقية والرصد

• نشر وتشغيل الأنظمة على AWS، GCP، Azure، أو منصات سحابية مماثلة، بما في ذلك الحوسبة، والتخزين، والشبكات، وقوائم الانتظار، وبنية تحتية لتقديم النماذج، وأنظمة الرصد.

• ضمان موثوقية النظام من خلال التسجيل، والمقاييس، والتتبع، والتنبيه، ولوحات المعلومات، وكتب التشغيل، وأفضل ممارسات الاستجابة للحوادث.

التعاون وقيادة الهندسة

• التعاون مع الفرق المنتجة، والتصميم، والبيانات، وفرق تعلم الآلة لتقديم ميزات منتجات مدعومة بالذكاء الاصطناعي وغنية بالوسائط.

• توجيه المهندسين المبتدئين ومتوسطي المستوى، ودعم التخطيط الفني، ومراجعة التصميمات، ورفع جودة الهندسة عبر الفريق.

• المشاركة في مراجعات الكود، والتوثيق، والتخطيط الفني، والتحسين المستمر لممارسات الهندسة.

• ضمان جودة الكود من خلال الاختبار، ومراجعة الأقران، والتوثيق الواضح، وأنماط التنفيذ القابلة للصيانة.