مهندس ذكاء اصطناعي كبير

Deepsource Technologies

تصميم، تطوير، نشر، وصيانة أنظمة الذكاء الاصطناعي والتعلم الآلي على مستوى الإنتاج من البداية إلى النهاية.

بناء وتحسين التطبيقات المعتمدة على LLM، بما في ذلك خطوط أنابيب RAG، سير العمل، الأنظمة المعتمدة على الوكلاء، وحالات الاستخدام المتعددة النماذج للذكاء الاصطناعي.

تطوير سير العمل الذكية باستخدام استدعاء الأدوات، أطر التنسيق، وأنماط الاستدلال السياقي.

ضبط، تقييم، وتشغيل نماذج التعلم الآلي والنماذج الأساسية للاستخدام في المؤسسات.

بناء وإدارة خطوط أنابيب MLOps تغطي التدريب، التقييم، تسجيل النماذج، النشر، المراقبة، وإعادة التدريب.

تنفيذ خطوط أنابيب CI/CD لعمليات ML وAI لدعم الاختبار الآلي، إدارة الإصدارات، والنشر المتحكم فيه.

إنشاء أطر مراقبة النماذج للكشف عن الانجراف، نسبة الميزات، جودة الاستدلال، وتتبع الأداء.

ضمان إمكانية إعادة الإنتاج، الموثوقية، والتحكم في النسخ عبر بيئات AI/ML.

تصميم منصات AI/ML قابلة للتوسع باستخدام خدمات الحساب الحديثة، التخزين، التنسيق، المراقبة، والبحث.

بناء بيئات قابلة للتكرار باستخدام البنية التحتية ككود.

دعم نماذج النشر الآمنة، ذات التوافر العالي، وذات التكلفة الفعالة عبر بيئات التطوير، التجريب، والإنتاج.

تصميم أنماط استدلال وخدمة قابلة للتوسع لأعباء العمل المتغيرة.

بناء وصيانة خطوط بيانات آلية، سير عمل ETL/ELT، وأطر معالجة البيانات للاستخدام في AI/ML.

ضمان جودة البيانات، السلالة، الحوكمة، وإصدار النسخ لدعم تدريب النماذج الموثوقة والاستدلال.

العمل مع مجموعات البيانات المنظمة وغير المنظمة عبر بحيرات البيانات، مستودعات البيانات، والأنظمة التشغيلية.

تقديم مجموعات بيانات جاهزة للتحليلات إلى الأنظمة والتطبيقات downstream.

قيادة عدة مبادرات للذكاء الاصطناعي في وقت واحد، بما في ذلك التخطيط، التنفيذ، والتنسيق مع الفرق الداخلية والمساهمين.

العمل بشكل وثيق مع فرق المنتجات، الهندسة، البيانات، والأعمال لتقديم قدرات الذكاء الاصطناعي الجاهزة للإنتاج.

المساهمة في قرارات الهندسة، الوثائق الفنية، أفضل الممارسات، ومعايير الهندسة.

دعم تبادل المعرفة، القيادة الفنية، والتحسين المستمر عبر وظيفة الذكاء الاصطناعي.