مهندس ضمان الجودة

AI71

الاختبار غير المحدد: بناء أطر عمل مؤتمتة لتقييم مخرجات الذكاء الاصطناعي التوليدي من حيث الهلوسة، والاتساق، والدقة الواقعية مقارنة بمجموعات البيانات القياسية.

تقييم RAG: تنفيذ مقاييس مؤتمتة (على سبيل المثال، RAGAS، الأمان، صلة الإجابة) للتحقق من أن خطوط أنابيب التوليد المعزز بالاسترجاع تشير بدقة إلى الوثائق الفنية والتنظيمية.

تراجع التعليمات: تصميم مجموعات تراجع لمراقبة انحراف التعليمات، مما يضمن أن التحديثات على النموذج لا تؤدي إلى تدهور جودة الوثائق الهندسية التي تم إنشاؤها بواسطة الذكاء الاصطناعي.

تكامل المؤسسة: بناء اختبارات قوية للتحقق من اتساق البيانات بين وكلاء الذكاء الاصطناعي والأنظمة الحرجة (مثل SAP S/4HANA، Ariba)، مما يضمن سلامة قائمة المواد (BOM) والبيانات المالية.

معايير الأداء: تصميم اختبارات للتحقق من زمن الاستجابة ومعدل النقل لنماذج التنبؤ ومحركات تقييم المخاطر باستخدام أدوات مثل Locust، JMeter، أو K6.

تحقق API والأمان: أتمتة اختبار بوابات API الآمنة، والتحقق من التحكم في الوصول المعتمد على الدور (RBAC) ومنطق حذف المعلومات الشخصية قبل وصول البيانات إلى نماذج الذكاء الاصطناعي.

مواءمة نموذج V: ربط حالات الاختبار المؤتمتة بمتطلبات النظام لإنشاء أدلة رقمية لتقارير التحقق والتأكيد (V&V) الرسمية.

امتثال مرحلة البوابة: إعداد حزم جاهزية الاختبار للمراجعات الرسمية، وتقديم أدلة كمية تثبت أن الأنظمة مستقرة بما يكفي للانتقال من MVP إلى الإنتاج.

إدارة دورة حياة العيوب: إدارة حلقة التغذية الراجعة بين مساعدي جودة المتطلبات وفرق التطوير، وتتبع عيوب منطق الذكاء الاصطناعي إلى إصدارات نماذج محددة.

الأتمتة الأساسية: إتقان في Python (Pytest) والمكتبات القياسية (Selenium/Playwright، Requests).

تقييم الذكاء الاصطناعي: خبرة عملية مع أطر تقييم LLM (مثل DeepEval، TruLens) وإدارة مجموعات بيانات الحقيقة الأرضية.

هندسة الأداء: إتقان في إعداد خطط اختبارات الأداء والتنفيذات (Locust، K6، إلخ).

تحقق البيانات: خبرة في SQL وأدوات جودة البيانات (مثل Great Expectations) لبحيرات البيانات وقواعد البيانات المتجهة.

CI/CD و DevOps: خبرة قوية في دمج بوابات الجودة في خطوط أنابيب GitLab CI/CD.

ممارسات الهندسة: فهم عميق لممارسات QE الحديثة، بما في ذلك Shift Left، هرم الاختبار، وهياكل Mono-repo.

الخبرة: 5+ سنوات في أتمتة QA، مع 2+ سنوات تركز على التطبيقات المعتمدة على البيانات المعقدة، نماذج ML، أو وكلاء الذكاء الاصطناعي.

خبرة المجال: خلفية في الدفاع، الطيران، أو الصناعات الخاضعة للتنظيم العالي تعتبر ميزة قوية. المعرفة بعمليات IV&V مرغوبة بشدة.

عقل تحليلي: القدرة على تحديد معايير النجاح/الفشل للأنظمة الاحتمالية والتواصل بمستويات الثقة لقيادة الهندسة.

خط الدفاع النهائي: أنت تحدد ما إذا كان يمكن الوثوق بوكلاء الذكاء الاصطناعي للتفاوض على عقد أو تصميم مكون نظام حرج في بيئة حرجة للسلامة.

تعويض معفى من الضرائب: راتب وحزمة مزايا رائدة في السوق، معفاة من الضرائب بنسبة 100%.

دعم كامل للانتقال: مساعدة شاملة تشمل الرحلات الجوية، دعم السكن، ورعاية التأشيرات لك ولعائلتك إلى أبوظبي.

عمل رائد: وضع المعيار العالمي لكيفية تحقق منظمات الدفاع من الأنظمة الذكية باستخدام نماذج رائدة عالميًا.