مهندس موظف - منصة التعلم الآلي

talabat

المسؤوليات

• تصميم وبناء وصيانة منصات ML القابلة للتوسع وإعادة الاستخدام وموثوقة والتي تدعم دورة حياة ML بالكامل، بما في ذلك استيعاب البيانات، تدريب النموذج، التقييم، النشر، والمراقبة لكل من النماذج التقليدية والتوليدية للذكاء الاصطناعي.
  

• تطوير سير عمل ML ومعايير موحدة باستخدام MLflow ومنصات أخرى، مما يمكّن من تجارب سريعة ودورات نشر.
  

• تنفيذ خطوط أنابيب CI/CD قوية، وحاويات Docker، وسجلات النماذج، وتتبع التجارب لدعم القابلية للتكرار، والتوسع، والحوكمة في ML وgenAI.
  

• التعاون عن كثب مع خبراء genAI لدمج وتحسين تقنيات genAI، بما في ذلك المحولات، والتضمينات، وقواعد البيانات المتجهة (مثل Pinecone، Redis، Weaviate)، وأنظمة الجيل المعزز بالاسترجاع في الوقت الفعلي (RAG).
  

• أتمتة وتبسيط تدريب نماذج ML وgenAI، والاستدلال، والنشر، وسير العمل الخاصة بالإصدارات، مع ضمان التناسق والموثوقية والامتثال لأفضل الممارسات الصناعية.
  

• ضمان موثوقية ورؤية وقابلية توسيع أحمال العمل ML وgenAI الإنتاجية من خلال تنفيذ مراقبة شاملة، وتنبيه، وتقييم مستمر للأداء.
  

• دمج مكونات البنية التحتية مثل أطر تقديم النماذج في الوقت الفعلي (مثل TensorFlow Serving، NVIDIA Triton، Seldon)، وتنظيم Kubernetes، وحلول السحابة (AWS/GCP) لبيئات الإنتاج القوية.
  

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

• الشراكة مع فرق هندسة البيانات، والمنتجات، والبنية التحتية، وgenAI لملاءمة مبادرات منصة ML مع أهداف الشركة الأوسع، واستراتيجية البنية التحتية، وخارطة 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 Python ومعرفة بأطر ML (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)، والهندسة المعمارية بدون خادم، وخدمات ML المدارة (مثل Vertex AI، SageMaker).
  

• خبرة مثبتة في تقنيات الذكاء الاصطناعي التوليدي: المحولات، التضمينات، استراتيجيات هندسة المطالبات، ضبط دقيق مقابل ضبط المطالبات، قواعد البيانات المتجهة، وأنظمة الجيل المعزز بالاسترجاع (RAG).
  

• خبرة في تصميم وصيانة خطوط أنابيب الاستدلال في الوقت الفعلي، بما في ذلك التكامل مع متاجر الميزات، ومنصات البيانات المتدفقة (Kafka، Kinesis)، ومنصات الرؤية.
  

• معرفة بـ SQL ونمذجة مستودع البيانات؛ قادر على إدارة استعلامات البيانات المعقدة، والانضمامات، والتجميعات، والتحويلات.
  

• فهم قوي لمراقبة ML، بما في ذلك تحديد انحراف النموذج، والتآكل، وتحسين زمن الانتقال، وإدارة التكاليف، وتوسيع تطبيقات genAI المعتمدة على واجهة برمجة التطبيقات بكفاءة.