مهندس موظف - منصة التعلم الآلي

talabat

المسؤوليات

• تصميم وبناء وصيانة منصات وأدوات التعلم الآلي القابلة للتوسع وإعادة الاستخدام والموثوقة التي تدعم دورة حياة التعلم الآلي بالكامل، بما في ذلك استيعاب البيانات وتدريب النماذج والتقييم والنشر والمراقبة لكل من نماذج الذكاء الاصطناعي التقليدية والتوليدية.
  

• تطوير سير العمل والنماذج القياسية للتعلم الآلي باستخدام MLflow ومنصات أخرى، مما يتيح تجارب ودورات نشر سريعة.
  

• تنفيذ خطوط أنابيب CI/CD قوية، حاويات Docker، سجلات النماذج، وتتبع التجارب لدعم القابلية للتكرار، وقابلية التوسع، والحكومة 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 البيانات المتجهة (مثل Pinecone وRedis وWeaviate)، وأنظمة استرجاع البيانات المعززة بالجيل (RAG).
  

• أتمتة وتبسيط تدريب نماذج التعلم الآلي والذكاء الاصطناعي التوليدي، والاستدلال، والنشر، ودورات إصدار النسخ، لضمان التناسق والموثوقية والامتثال لأفضل الممارسات الصناعية.
  

• ضمان موثوقية ورؤية وقابلية التوسع لأحمال العمل الإنتاجية في التعلم الآلي والذكاء الاصطناعي التوليدي من خلال تنفيذ مراقبة شاملة، وتنبيه، وتقييم مستمر للأداء.
  

• دمج مكونات البنية التحتية مثل أطر تقديم النماذج في الوقت الحقيقي (مثل TensorFlow Serving وNVIDIA Triton وSeldon)، وتنسيق Kubernetes، وحلول السحابة (AWS/GCP) لبيئات الإنتاج القوية.
  

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

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

• المساهمة بنشاط في الوثائق الداخلية، وبرامج الإعداد 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 في التعلم الآلي والذكاء الاصطناعي.
  

• إتقان على مستوى الخبراء في Python وإلمام بأطر التعلم الآلي (TensorFlow وPyTorch)، وأدوات البنية التحتية (MLflow وKubeflow وRay)، وواجهات برمجة التطبيقات الشائعة (Hugging Face وOpenAI وLangChain).
  

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

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

• خبرة مثبتة مع تقنيات الذكاء الاصطناعي التوليدي: المحولات، والتضمينات، واستراتيجيات هندسة المطالبات، والتخصيص مقابل تخصيص المطالبات، وقواعد البيانات المتجهة، وأنظمة استرجاع البيانات المعززة بالجيل (RAG).
  

• خبرة في تصميم وصيانة خطوط أنابيب الاستدلال في الوقت الحقيقي، بما في ذلك عمليات الدمج مع متاجر الميزات، ومنصات البيانات المتدفقة (Kafka وKinesis)، ومنصات المراقبة.
  

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

• فهم قوي لمراقبة التعلم الآلي، بما في ذلك تحديد انزلاق النموذج، والانخفاض، وتحسين الكمون، وإدارة التكاليف، وتوسيع التطبيقات المعتمدة على واجهة برمجة التطبيقات بشكل فعال.