مهندس تعلم الآلة والذكاء الاصطناعي

Client of Faze 3 Consulting

هذا الدور يجمع بين التعلم الآلي الكلاسيكي وأنظمة LLM الحديثة. ستقوم ببناء نماذج تعلم الآلة الإنتاجية (الانحدار، التصنيف، السلاسل الزمنية، اكتشاف الشذوذ) جنبًا إلى جنب مع الهياكل الهجينة التي تجمع بين توليد معزز بالاسترجاع، وتقييم التعلم الآلي، والمنطق القائم على القواعد. ستتحمل مسؤولية أطر التقييم التي تحافظ على نزاهة الذكاء الاصطناعي المطبق في الإنتاج: الدقة، الاسترجاع، اختبار الفرضيات، تشخيص النماذج، اكتشاف الانحراف.

هذا دور عملي، وليس بحثيًا. يقوم الفريق بالتسليم في التفاعلات الحية مع العملاء مقابل قياسات الدقة والاسترجاع والكمون والتكاليف.

المهارات الأساسية:

o بايثون قوية

o NumPy

o pandas

o scikit-learn

o خطوط أنابيب تعلم الآلة الإنتاجية

o SQL

o الراحة العملية مع تفاعل LLM و RAG.

الصرامة الإحصائية. الطلاقة العملية في اختبار الفرضيات (اختبارات t، اختبارات z، مربع كاي)، تشخيص السلاسل الزمنية والثبات (AD، JB، ARCH، ADF، KPSS)، وتشخيص النماذج (AIC، BIC، احتمالية اللوغاريتم).

شهادة مشروطة. إذا كانت درجتك في الإحصاء (أو مشابهة جدًا/ذات صلة)، يتطلب الدور إما تخصص تعلم الآلة من جامعة ستانفورد أو شهادة IBM بايثون لعلوم البيانات والذكاء الاصطناعي. بالنسبة لمرشحي مسار علوم الحاسوب، فإن هذه الشهادات تعتبر جيدة أن تكون لديك.

اللغات. يتطلب إتقان اللغة الإنجليزية.

المهارات المرغوبة.

o عمق نمذجة السلاسل الزمنية عائلة ARIMA، Prophet، نماذج تسلسل التعلم العميق.

o PyTorch أو TensorFlow على مستوى العمل.

o MLflow أو تتبع التجارب المكافئ في الاستخدام الإنتاجي.

o تجارب التضمين، بحث المتجهات، وإعادة الترتيب.

o إتقان XGBoost و LightGBM أو نموذج CART.

o خبرة في اكتشاف الانحراف، التقييم الخفي، أو تصميم اختبار A/B.

o وجود GitHub مباشر أو محفظة تحتوي على أعمال ML أصلية.

o القدرة على اللغة العربية.