مهندس الذكاء الاصطناعي الرئيسي

Alpheya

المسؤوليات:

• إنتاج ميزات الذكاء الاصطناعي (التركيز الأساسي)
• امتلاك واجهة API للذكاء الاصطناعي في الإنتاج: العقود/المخططات، التحديثات، التوافق مع الإصدارات السابقة، وضمانات السلوك للمستهلكين في الأسفل
• تحويل نماذج RAG/الوكيل من دفتر الملاحظات/PoC إلى خدمات الإنتاج: واجهات نظيفة، سلوك وقت تشغيل قوي، وطرق طرح آمنة
• تنفيذ أنماط موثوقية: حدود زمنية، محاولات مع زيادة، عدم التكرار، قواطع الدائرة، تحديد المعدل، انخفاض تدريجي، وطرق بديلة
• بناء المراقبة من البداية إلى النهاية: تسجيل منظم، قياسات، تتبع (OpenTelemetry)، ولوحات تحكم/تنبيهات قابلة للتنفيذ
• امتلاك جودة الإصدار: CI/CD لخدمات الذكاء الاصطناعي، تحديثات/إصدارات، اختبارات تراجع، ونشر مرحلي
• تحفيز الجاهزية التشغيلية: كتب التشغيل، تشخيصات مناسبة للاتصال، مراجعات الحوادث، وتقوية مستمرة

الهندسة المعمارية وتصميم النظام (فجوة مهمة يجب ملؤها)

• تصميم وتطوير عقود API للذكاء الاصطناعي (نقاط النهاية/عقود الأدوات)، مع ضمان واجهات آمنة ومستقرة وحدود ملكية واضحة
• تصميم حدود الخدمات وواجهات قدرات الذكاء الاصطناعي (APIs، عقود، واعتماديات)
• إجراء مقايضات عملية عبر زمن الاستجابة، الكلفة، الجودة، والامتثال؛ توثيق والتواصل حول القرارات
• تحديد أنماط للحالة، الذاكرة، والاستمرارية في سير العمل الوكيلة (بما في ذلك معالجة الفشل الجزئي والتعافي)
• إنشاء أنماط تكامل مع خدمات المنصة الحالية ومصادر البيانات (دون تكرار ملكية DevOps)

البيانات وأنظمة الاسترجاع (كما هو مستخدم في ميزات المنتج)

• بناء/تشغيل خطوط إدخال وتحديث تدعم قواعد المعرفة الخاصة بالمنتج (الحداثة، السلالة، القابلية للتدقيق)
• تنفيذ مراقبة جودة الاسترجاع (على سبيل المثال، الانجراف، الصلة)، استراتيجيات التخزين المؤقت، وأدوات التقييم
• الشراكة مع فرق البيانات/التحليلات بشأن عقود البيانات، فحوصات التحقق، وSLAs

قيادة الفريق ومعايير الهندسة

• قيادة وتطوير فريق من مهندسي البيانات والبرمجيات. تعيين الاتجاه، مراجعة العمل، إزالة العقبات عن الأشخاص.
• إجراء مراجعات التصميم ومراجعات الكود التي ترفع المستوى دون إبطاء التسليم
• إنشاء أنماط ومعايير مشتركة لأنظمة الذكاء الاصطناعي الإنتاجية التي يمكن للفريق التوسع عليها
• رفع مستوى الهندسة: مراجعات الكود، مراجعات التصميم، ومعايير مشتركة لأنظمة الذكاء الاصطناعي الإنتاجية
• التعاون عبر هندسة منتجات الذكاء الاصطناعي، علوم البيانات، DevOps/SRE، الأمان، والمنتج للحفاظ على حدود الملكية نظيفة

الابتكار في دورة حياة تطوير البرمجيات للذكاء الاصطناعي وتسليم المنتج

• امتلاك تطور دورة حياة تطوير البرمجيات للذكاء الاصطناعي وتقنية الذكاء الاصطناعي لدينا: تقييم، تجربة، وإنتاج أدوات/ممارسات تحسن بشكل ملموس الجودة، الموثوقية، سرعة التسليم، زمن الاستجابة، أو التكلفة (مع مقاييس نجاح واضحة وطرق تراجع)، وتمكين الابتكار من قبل مهندسي منتجات الذكاء الاصطناعي/علماء البيانات من خلال أطر قابلة لإعادة الاستخدام، قوالب، وطرق ممهدة
• إدخال الانضباط الهندسي الرائد للـ LLM في الإنتاج
• ترجمة القدرات الجديدة (الوكالات/الأدوات) إلى APIs للمنتج مستقرة ومُدارة بشكل جيد دون المساس بالقدرة على التشغيل أو الامتثال

• أنت مهندس برمجيات أولاً. 7+ سنوات في بناء أنظمة خلفية للإنتاج، مع آراء قوية حول تصميم API، معالجة الأخطاء، الاختبار، والقدرة على التشغيل
• قدرة مثبتة على تحويل النماذج الغامضة إلى خدمات موثوقة مع خصائص تشغيلية واضحة
• الراحة في امتلاك الأنظمة عبر دورة الحياة الكاملة: التصميم، البناء، الإطلاق، التشغيل
• TypeScript أو Python على مستوى الإنتاج: تكتب خدمات، وليس نصوص. تجريدات نظيفة، معالجة أخطاء صحيحة، كود مختبر
• يمكنك قيادة المهندسين. لقد قمت بتوجيه الآخرين، وتحديد الاتجاه الفني، وحققت الإنجازات من خلال الفريق وليس فقط كمساهم فردي