أرسل لي وظائف مثل هذه
الجنسية
أي جنسية
جنس
غير مذكور
عدد الشواغر
1 عدد الشواغر
الوصف الوظيفي
الأدوار والمسؤوليات
غرض الوظيفة (خاص بهذه الوظيفة)
مهندس MLOps الرئيسي / مهندس بنية تحتية للذكاء الاصطناعي يحدد ويقود تصميم وأتمتة وحوكمة بنية KATIM التحتية للذكاء الاصطناعي التي تدعم منتجات الاتصالات الحيوية والآمنة. هذه الوظيفة تدفع استراتيجية MLOps من البداية إلى النهاية من حوكمة النموذج وأتمتة النشر إلى إنفاذ الامتثال، مما يضمن أن كل قدرة ذكاء اصطناعي تتوافق مع مبادئ الثقة الصفرية وبيانات السيادة. تقوم هذه الوظيفة بربط التعلم الآلي التطبيقي وهندسة البرمجيات وDevSecOps، مما يضمن أن نماذج الذكاء الاصطناعي وأنابيب البيانات والتطبيقات يتم نشرها ومراقبتها وتوسيعها بشكل آمن عبر البيئات.
ستعمل في بيئة تطوير منتجات مدعومة بالذكاء الاصطناعي، حيث يتم أتمتة أو دعم أتمتة إعداد البنية التحتية، وتدريب النماذج، والنشر، والمراقبة. مهمتك هي بناء أنظمة تمكن فرق المنتج من تقديم قدرات ذكاء اصطناعي جاهزة للإنتاج بسرعة وموثوقية ومعايير الامتثال المطلوبة من قبل العملاء الحكوميين والمؤسسات.
ستتعاون بشكل وثيق مع فرق متعددة التخصصات عبر هندسة المنصة، وأمان المنتج، وإدارة المنتج لتصميم أنابيب MLOps التي تجسد المرونة، والقابلية للتتبع، ومبادئ الأمان ذات الثقة الصفرية. هذه الوظيفة مثالية للمهندسين المتحمسين لبناء أطر أتمتة ذكية، وأنابيب ذكاء اصطناعي قابلة للتوسع، وبنى تحتية للبيانات الآمنة التي تشكل أساس أنظمة الذكاء الاصطناعي الحرجة.
نموذج تطوير المنتجات المدعوم بالذكاء الاصطناعي (سياق الوظيفة)
نحن فريق تطوير منتجات مدعوم بالذكاء الاصطناعي يعمل على تسليم تطبيقات آمنة جاهزة للإنتاج بمستوى الجودة والسرعة التي تتطلب عادةً منظمات أكبر بمعدل 3 إلى 4 أضعاف. كل دور في دورة حياة تطوير البرمجيات التقليدية إما مدعوم بالذكاء الاصطناعي أو مؤتمت، مما يسمح للفرق بالتركيز على التصميم والهندسة واتخاذ القرارات ذات التأثير العالي.
المبادئ الأساسية
الأمان مدمج في كل قرار، من الهندسة إلى النشر.
يتم أتمتة المهام المتكررة؛ يتم تركيز الجهد البشري على الاستراتيجية وحل المشكلات.
الجودة قابلة للقياس، مفروضة، ومؤتمتة في كل مرحلة.
يجب أن تكون جميع سلوكيات النظام بما في ذلك المخرجات المدعومة بالذكاء الاصطناعي قابلة للتتبع، وقابلة للمراجعة، وقابلة للتفسير. نحن لا نشحن وظائف الصندوق الأسود.
قرارات التصميم والتنفيذ تعطي الأولوية للمرونة، وقابلية الصيانة، والتشغيل البيني في بيئات العملاء الحقيقية.
المسؤوليات الرئيسية
هندسة MLOps وحوكمتها (30%)
تحديد هندسة MLOps وإطار الحوكمة عبر المنتجات.
تصميم مخططات منصة ذكاء اصطناعي آمنة وقابلة للتوسع تغطي طبقات البيانات، والتدريب، والتقديم، والمراقبة.
توحيد سجلات النماذج، وتوقيع الأصول، وعمليات النشر للبيئات المتصلة بالهواء والمحلية.
قيادة التصاميم المعمارية والمراجعات لخطوط أنابيب الذكاء الاصطناعي.
تصميم وصيانة بنية تحتية لاستدلال LLM
إدارة سجلات النماذج وإصدار النسخ (MLflow، Weights & Biases)
تنفيذ حلول تقديم النماذج (TensorFlow Serving، TorchServe، vLLM)
تحسين أداء النماذج والتكلفة (التكميم، التخزين المؤقت، التجميع)
بناء وصيانة قواعد بيانات المتجهات (Pinecone، Weaviate، Chroma)
الوعي بتحسين الأجهزة والاستدلال
تطوير الوكلاء والأدوات (25%)
تطوير وصيانة وكلاء ذكاء اصطناعي لأتمتة (مثل، توليد الاختبارات التلقائية، ذكاء السجلات، وكشف الشذوذ).
بناء أدوات دعم DevSecOps المدعومة بالذكاء الاصطناعي لفرض الامتثال، والتسجيل، وسياسات التدقيق تلقائيًا.
بناء تكاملات أدوات لوكلاء LLM (استدعاء الوظائف، واجهات برمجة التطبيقات)
تنفيذ خطوط أنابيب توليد مدعومة بالاسترجاع (RAG)
إنشاء أنظمة إدارة وتنقيح المطالبات
مراقبة وتحسين أداء الوكلاء
خطوط أنابيب CI/CT/CD (20%)
بناء خطوط أنابيب التكامل المستمر للنماذج والرموز
تنفيذ سير العمل للتدريب المستمر (CT)
أتمتة نشر النماذج مع قدرات التراجع
إنشاء استراتيجيات نشر في مراحل الإنتاج والتجريب
دمج مراجعة الكود المدعومة بالذكاء الاصطناعي في CI/CD
بناء حلقة تقييم مستمرة
البنية التحتية والأتمتة (15%)
إدارة البنية التحتية السحابية (Kubernetes، بدون خادم)
تنفيذ البنية التحتية كرمز (Terraform، Pulumi)
بناء أنظمة المراقبة والرؤية (Prometheus، Grafana، DataDog)
أتمتة المهام التشغيلية مع وكلاء الذكاء الاصطناعي
ضمان الأمان والامتثال (OWASP، SOC2) - أمان مخصص للذكاء الاصطناعي
تمكين المطورين (10%)
تقديم الأدوات والمكتبات للمهندسين لاعتماد سير العمل المدعوم بالذكاء الاصطناعي بشكل آمن.
توثيق أفضل الممارسات والنماذج في الذكاء الاصطناعي/التعلم الآلي
إجراء تدريب على أدوات MLOps وسير العمل
دعم المهندسين في تحديات تكامل الذكاء الاصطناعي
الحفاظ على توازن بيئة التطوير
خصوصية الذكاء الاصطناعي، والحوكمة، والامتثال
التعليم والمؤهلات الدنيا
بكاليوس في علوم الحاسوب، أو هندسة الحاسوب، أو الرياضيات أو مجال ذي صلة، أو خبرة معادلة في الصناعة / يفضل الماجستير.
8+ سنوات في DevOps، أو SRE، أو هندسة المنصات
5+ سنوات من الخبرة العملية مع أنظمة ML/AI في الإنتاج
فهم عميق لـ LLM ومتطلباته التشغيلية
خبرة في بناء وصيانة خطوط أنابيب CI/CD
معرفة قوية بأنظمة Linux/Unix
خبرة في منصات السحابة (AWS، GCP، أو Azure)
خبرة في تنسيق الحاويات (Kubernetes)
المهارات الرئيسية
MLOps والذكاء الاصطناعي:
تكامل LLM: OpenAI API، Anthropic API، HuggingFace، Azure OpenAI
تقديم النماذج: TensorFlow Serving، TorchServe، vLLM، Ollama
تتبع التجارب: MLflow، Weights & Biases، Neptune.ai
سجلات النماذج: MLflow، Kubeflow، AWS SageMaker
قواعد بيانات المتجهات: Pinecone، Weaviate، Chroma، Milvus
أطر الوكلاء: LangChain، LlamaIndex، AutoGPT، Semantic Kernel
الضبط الدقيق: LoRA، QLoRA، ضبط المطالبات
هندسة البيانات:
خطوط الأنابيب: Airflow، Prefect، Dagster
المعالجة: Spark، Dask، Ray
البث: Kafka، Pulsar، Kinesis
جودة البيانات: Great Expectations، dbt
متاجر الميزات: Feast، Tecton
DevOps والبنية التحتية:
الحاويات: Docker، Kubernetes، Helm
المنصات السحابية: AWS (SageMaker، Lambda، ECS) أو GCP (Vertex AI، Cloud Run) أو Azure (ML Studio)
القطاع المهني للشركة
- تكنولوجيا المعلومات - خدمات البرمجيات
المجال الوظيفي / القسم
- سوفت وير تقنية المعلومات
الكلمات الرئيسية
- مهندس رئيسي - ML Ops
تنويه: نوكري غلف هو مجرد منصة لجمع الباحثين عن عمل وأصحاب العمل معا. وينصح المتقدمون بالبحث في حسن نية صاحب العمل المحتمل بشكل مستقل. نحن لا نؤيد أي طلبات لدفع الأموال وننصح بشدة ضد تبادل المعلومات الشخصية أو المصرفية ذات الصلة. نوصي أيضا زيارة نصائح أمنية للمزيد من المعلومات. إذا كنت تشك في أي احتيال أو سوء تصرف ، راسلنا عبر البريد الإلكتروني abuse@naukrigulf.com