مهندس منصة تعلم آلي بنية الذكاء الاصطناعي التوليدي و التعلم الآلي

Glow Beauty On Demand

عنوان الوظيفة
مهندس منصة ML الذكاء الاصطناعي التوليدي وبنية تعلم الآلة
وصف الوظيفة
مهندس منصة ML الذكاء الاصطناعي التوليدي وبنية تعلم الآلة

الموقع: دبي، الإمارات العربية المتحدة
الصناعة: التكنولوجيا / الذكاء الاصطناعي / الطعام والتجارة السريعة
الوظيفة: هندسة تعلم الآلة
الجنس: أي
جنسية المرشح: أي
نوع الوظيفة: دوام كامل

نظرة عامة على الدور
تبحث Talabat، التطبيق الرائد في مجال الطعام والتجارة السريعة عند الطلب في المنطقة، عن مهندس منصة ML ذو خبرة لتصميم وتطوير وتوسيع منصات تعلم الآلة والذكاء الاصطناعي التوليدي القوية. يتضمن الدور بناء بنية تحتية شاملة لتعلم الآلة، مما يتيح تجربة سريعة، ونشر فعال للنماذج، ومراقبة سلسة لدعم الحلول المدفوعة بالذكاء الاصطناعي للجيل القادم لملايين المستخدمين.

المسؤوليات الرئيسية

* بناء منصات ML قابلة للتوسع تدعم إدخال البيانات، تدريب النماذج، النشر، والمراقبة لكل من نماذج تعلم الآلة التقليدية والذكاء الاصطناعي التوليدي
* تصميم سير عمل ML موحد باستخدام أدوات مثل MLflow وKubeflow، وتنفيذ خطوط أنابيب CI/CD مع Docker وKubernetes
* تحسين نشر الذكاء الاصطناعي التوليدي الذي يتضمن محولات، تضمينات، أنظمة RAG، وقواعد بيانات متجهية مثل Pinecone وRedis أو Weaviate
* تنفيذ أطر خدمة في الوقت الحقيقي مثل TensorFlow Serving، NVIDIA Triton، أو Seldon للاستدلال من الدرجة الإنتاجية
* أتمتة إدارة دورة حياة النموذج وتنفيذ تدابير الرصد لتتبع الأداء، واكتشاف التغيرات، والحفاظ على الموثوقية
* التعاون مع فرق هندسة البيانات والمنتجات لمواءمة بنية ML التحتية مع الأهداف الاستراتيجية للأعمال
* دفع تكامل بنية السحابة باستخدام خدمات AWS أو GCP، بما في ذلك مجموعات Kubernetes، وخدمات ML المدارة، والمكونات بدون خادم
* ضمان الكفاءة من حيث التكلفة، وتحسين الأداء، والامتثال لأفضل الممارسات في MLOps وسير عمل الذكاء الاصطناعي التوليدي

المؤهلات والخبرة

* درجة البكالوريوس في علوم الكمبيوتر، الهندسة، أو مجال ذي صلة (يفضل الماجستير)
* خبرة لا تقل عن 3 سنوات في هندسة منصة ML، MLOps، أو أدوار بنية الذكاء الاصطناعي التوليدي
* خبرة في Python، وأطر ML (TensorFlow، PyTorch)، وواجهات برمجة التطبيقات مثل Hugging Face وLangChain
* خبرة عملية في الحاويات، التنسيق (Docker، Kubernetes)، وأدوات البنية التحتية كرمز (Terraform، Helm)
* قدرة مثبتة على بناء خطوط أنابيب استدلال في الوقت الحقيقي مدمجة مع متاجر الميزات ومنصات البث مثل Kafka أو Kinesis
* معرفة بـ SQL لمعالجة البيانات ومعرفة بأدوات الرصد لمراقبة أنظمة الذكاء الاصطناعي
* فهم قوي لتقنيات تحسين النموذج بما في ذلك التكميم، الدفعات، واستراتيجيات ضبط المطالبات