مهندس موظف - منصة التعلم الآلي

Delivery Hero

المسؤوليات

• تصميم وبناء وصيانة منصات وأدوات التعلم الآلي القابلة للتوسع وإعادة الاستخدام والموثوقة التي تدعم دورة حياة التعلم الآلي بالكامل، بما في ذلك إدخال البيانات، تدريب النموذج، التقييم، النشر، والمراقبة لكل من النماذج التقليدية والتوليدية للذكاء الاصطناعي.

• تطوير سير العمل والنماذج القياسية للتعلم الآلي باستخدام MLflow ومنصات أخرى، مما يمكّن من التجارب السريعة ودورات النشر.

• تنفيذ خطوط أنابيب CI/CD قوية، وتجميع حاويات Docker، وسجلات النماذج، وتتبع التجارب لدعم القابلية للتكرار، والقابلية للتوسع، وإدارة الجودة في التعلم الآلي والذكاء الاصطناعي التوليدي.

• التعاون عن كثب مع خبراء الذكاء الاصطناعي التوليدي لدمج وتحسين تقنيات الذكاء الاصطناعي التوليدي، بما في ذلك المحولات، والتضمينات، وقواعد بيانات المتجهات (مثل، Pinecone، Redis، Weaviate)، ونظم الاسترجاع المعززة بالزمن الحقيقي (RAG).

• أتمتة وتبسيط تدريب نماذج التعلم الآلي والذكاء الاصطناعي التوليدي، والاستدلال، والنشر، وأعمال النسخ، مع ضمان الاتساق والموثوقية والالتزام بأفضل الممارسات في الصناعة.

• ضمان موثوقية، وقابلية المراقبة، وقابلية التوسع لأحمال العمل الإنتاجية للتعلم الآلي والذكاء الاصطناعي التوليدي من خلال تنفيذ مراقبة شاملة، والتنبيه، وتقييم الأداء المستمر.

• دمج مكونات البنية التحتية مثل أطر تقديم النماذج في الزمن الحقيقي (مثل، TensorFlow Serving، NVIDIA Triton، Seldon)، وتنظيم Kubernetes، وحلول السحابة (AWS/GCP) لبيئات إنتاج قوية.

• قيادة تحسين البنية التحتية لحالات استخدام الذكاء الاصطناعي التوليدي، بما في ذلك تقنيات الاستدلال الفعالة (التجميع، التخزين المؤقت، التكميم)، والتخصيص، وإدارة المحفزات، وتحديث النماذج على نطاق واسع.

• الشراكة مع فرق هندسة البيانات، والمنتجات، والبنية التحتية، والذكاء الاصطناعي التوليدي لمحاذاة مبادرات منصة التعلم الآلي مع أهداف الشركة الأوسع، واستراتيجية البنية التحتية، وخريطة الابتكار.

• المساهمة بنشاط في الوثائق الداخلية، وبرامج التوجيه والتدريب، وتعزيز اعتماد المنصة والتحسين المستمر.

المتطلبات

الخبرة التقنية

• خلفية قوية في هندسة البرمجيات مع خبرة في بناء أنظمة أو منصات موزعة مصممة لأحمال العمل الخاصة بالتعلم الآلي والذكاء الاصطناعي.

• إتقان على مستوى الخبراء في بايثون وإلمام بإطارات التعلم الآلي (TensorFlow، PyTorch)، وأدوات البنية التحتية (MLflow، Kubeflow، Ray)، وواجهات برمجة التطبيقات الشائعة (Hugging Face، OpenAI، LangChain).

• خبرة في تنفيذ ممارسات MLOps الحديثة، بما في ذلك إدارة دورة حياة النموذج، CI/CD، Docker، Kubernetes، سجلات النماذج، وأدوات البنية التحتية ككود (Terraform، Helm).

• خبرة مثبتة في العمل مع البنية التحتية السحابية، ويفضل AWS أو GCP، بما في ذلك مجموعات Kubernetes (GKE/EKS)، والهياكل المعمارية الخالية من الخوادم، والخدمات المدارة للتعلم الآلي (مثل، Vertex AI، SageMaker).

• خبرة مثبتة مع تقنيات الذكاء الاصطناعي التوليدي: المحولات، التضمينات، استراتيجيات هندسة المحفزات، التخصيص مقابل التخصيص المحفز، قواعد بيانات المتجهات، ونظم الاسترجاع المعززة بالزمن الحقيقي (RAG).

• خبرة في تصميم وصيانة خطوط أنابيب الاستدلال في الزمن الحقيقي، بما في ذلك التكامل مع متاجر الميزات، ومنصات البيانات المتدفقة (Kafka، Kinesis)، ومنصات المراقبة.

• إلمام بـ SQL ونمذجة مستودعات البيانات؛ قادر على إدارة استعلامات البيانات المعقدة، والتجميعات، والتحولات.

• فهم قوي لمراقبة التعلم الآلي، بما في ذلك تحديد انحراف النموذج، والانحلال، وتحسين الكمون، وإدارة التكلفة، وتوسيع التطبيقات المعتمدة على واجهات برمجة التطبيقات الذكاء الاصطناعي بكفاءة.