مهندس ذكاء اصطناعي كبير ProgressSoft

المسؤوليات

• تصميم تطوير النماذج، تدريب، تحسين، وتقييم النماذج التي تشمل تعلم الآلة التقليدي، التعلم العميق (CNNs، المحولات)، والذكاء الاصطناعي التوليدي (LLMs، الانتشار).
• استكشاف البيانات والتحليلات إجراء تحليل بيانات استكشافي، اختبار إحصائي، وتحليل السلاسل الزمنية / التنبؤ لإبلاغ السمات، المطالبات، ومؤشرات الأداء الرئيسية للأعمال.
• خطوط أنابيب شاملة بناء تدفقات عمل قابلة للتكرار لإدخال البيانات، هندسة الميزات / مخازن المطالبات، التدريب، CI/CD، والمراقبة الآلية.
• الهندسة الذكاء الاصطناعي LLM و Agentic إنشاء المطالبات، خطوط أنابيب توليد مدعوم باسترجاع (RAG)، ووكالات مستقلة / مساعدة؛ تحسين LLMs على مجموعات بيانات محددة للمجال لتعزيز الدقة ومواءمة المخرجات مع متطلبات المنتج.
• أتمتة الذكاء الاصطناعي والتكامل عرض مكونات الذكاء الاصطناعي كخدمات صغيرة وتدفقات عمل مدفوعة بالأحداث؛ التكامل مع أدوات التنسيق (Airflow، Prefect) وواجهات برمجة التطبيقات التجارية لأتمتة خطوط اتخاذ القرار.
• التعلم المستمر متابعة التقدم في LLMs، الرؤية، والتحليلات؛ مشاركة الأفكار وأفضل الممارسات مع فريق الهندسة الأوسع.
• توجيه المهندسين المبتدئين والمساهمة في الاتجاه الفني وأفضل ممارسات الهندسة.

المتطلبات

• بكالوريوس في علوم الحاسوب، الرياضيات، أو مجال ذي صلة.
• 5+ سنوات من الخبرة المهنية في العمل على مشاريع الذكاء الاصطناعي / تعلم الآلة.
• إجادة جيدة في الإنجليزية والعربية (كتابة وتحدثا).
• إجادة في بايثون والمكتبات الأساسية (PyTorch / TensorFlow، scikit-learn، pandas، NumPy).
• فهم جيد لخوارزميات تعلم الآلة، أساسيات التعلم العميق، والإحصائيات الأساسية.
• خبرة في معالجة البيانات والتصور (Matplotlib / Plotly) والتحليل الاستكشافي.
• إلمام على الأقل بأحد: OpenCV، Hugging Face Transformers، LangChain، MLflow، أو ما شابه.
• إحاطة جيدة بأفضل ممارسات هندسة البرمجيات: Git، مراجعات التعليمات البرمجية، الاختبار، CI.

المؤهلات المفضلة

• معرفة بـ C++ أو C# للوحدات الحساسة للأداء.
• خبرة في نشر النماذج عبر Docker، Kubernetes، أو خدمات الذكاء الاصطناعي السحابية.
• تجربة مع قواعد بيانات المتجهات وعمليات RAG.
• مهارة في أدوات BI / لوحات التحكم (Power BI، Tableau، Streamlit) أو أطر السلاسل الزمنية (Prophet، statsmodels).
• إلمام بأدوات MLOps / LLMOps (DVC، MLflow Tracking، Weights & Biases، BentoML).
• خبرة في تقنيات معالجة الصور (مثل OpenCV، تقسيم الصور، استخراج الميزات)
• خبرة في Spark (PySpark) ومعالجة البيانات الموزعة، بما في ذلك استخدام منصات مثل Databricks، AWS EMR، أو GCP Dataproc.
• مهارات SQL قوية وخبرة في العمل مع مجموعات بيانات كبيرة، بما في ذلك التقسيم وضبط الأداء.
• إلمام بهياكل بحيرة البيانات الحديثة ومفاهيم التخزين القابل للتوسع.