AI Development & Engine: Design and develop robust data pipelines and backend services in Python (FastAPI / Flask). Implement RAG (Retrieval-Augmented Generation) architectures for querying business document databases. Ensure integration, lightweight fine-tuning, or prompt engineering on LLMs (proprietary via APIs such as OpenAI/Azure or open-source such as Llama/Mistral).
Databases & Vectorization: Implement and optimize vector indexing using Vector Databases (ChromaDB, Qdrant, Pinecone, or PGVector). Process and prepare heterogeneous data (PDF documents, emails, text streams) for ingestion into AI pipelines.
Production Deployment & Industrialization (MLOps / DevOps): Containerize applications (Docker) and participate in deployment to Cloud/On-Premise environments. Create high-performance REST APIs to expose AI functionalities to business applications (member portal, CRM, management tools). Secure data usage (GDPR compliance, management of health data confidentiality).
Desired Candidate Profile
Essential Hard Skills: Languages & Frameworks: Expertise in Python (3.10+), mastery of FastAPI or Flask, and AI integration libraries (LangChain, LlamaIndex). AI & LLM: Solid understanding of Transformer operation, the Hugging Face ecosystem, vector embeddings, and RAG mechanisms. Databases: Experience with Vector DBs (Qdrant, ChromaDB, PGVector) + standard SQL (PostgreSQL). Software Practices: Clean Code, unit/integration testing, version control (Git), containerization (Docker).
Soft Skills & Posture: Product & Business Awareness: Ability to translate a business need (e.g., time savings for claims/healthcare managers) into concrete AI functionality. Rigor & Autonomy: Focus on optimization (response time, LLM API cost management). Team Spirit: Ability to work in synergy with Data Engineers, Architects, and Product Owners using Agile methodology.
تطوير الذكاء الاصطناعي والمحرك: تصميم وتطوير أنابيب بيانات قوية وخدمات خلفية باستخدام بايثون (FastAPI / Flask). تطبيق معماريات التوليد المُعزَّز بالاسترجاع (RAG) للاستعلام عن قواعد بيانات مستندات الأعمال. ضمان التكامل، والتعديل الدقيق الخفيف، أو هندسة الأوامر (prompt engineering) على نماذج اللغات الكبيرة (LLMs) (المملوكة عبر واجهات برمجة التطبيقات مثل OpenAI/Azure أو مفتوحة المصدر مثل Llama/Mistral).
قواعد البيانات والتجهيز الشعاعي: تطبيق وتحسين الفهرسة الشعاعية باستخدام قواعد البيانات الشعاعية (ChromaDB أو Qdrant أو Pinecone أو PGVector). معالجة وإعداد البيانات غير المتجانسة (مستندات PDF، والبريد الإلكتروني، وتدفقات النصوص) لإدخالها في أنابيب الذكاء الاصطناعي.
النشر في بيئة الإنتاج والتصنيع (MLOps / DevOps): تحزيم التطبيقات في حاويات (Docker) والمشاركة في النشر في بيئات السحابة/في الموقع (Cloud/On-Premise). إنشاء واجهات برمجة تطبيقات REST عالية الأداء لعرض وظائف الذكاء الاصطناعي لتطبيقات الأعمال (بوابة الأعضاء، إدارة علاقات العملاء CRM، أدوات الإدارة). تأمين استخدام البيانات (الامتثال للائحة العامة لحماية البيانات GDPR، وإدارة سرية البيانات الصحية).
ملف المرشح المطلوب
المهارات التقنية الأساسية: اللغات وإطارات العمل: خبرة في بايثون (3.10+)، وإتقان FastAPI أو Flask، ومكتبات تكامل الذكاء الاصطناعي (LangChain, LlamaIndex). الذكاء الاصطناعي ونماذج اللغات الكبيرة (AI & LLM): فهم قوي لآلية عمل Transformer، وبنية Hugging Face البيئية، والتضمينات الشعاعية (vector embeddings)، وآليات RAG. قواعد البيانات: خبرة في قواعد البيانات الشعاعية (Qdrant, ChromaDB, PGVector) + SQL القياسية (PostgreSQL). ممارسات البرمجيات: الكود النظيف (Clean Code)، واختبارات الوحدة/التكامل، والتحكم في الإصدارات (Git)، وتحزيم الحاويات (Docker).
المهارات الشخصية والنهج: الوعي بالمنتج والأعمال: القدرة على ترجمة احتياجات الأعمال (مثل توفير الوقت لمديري المطالبات/الرعاية الصحية) إلى وظائف ذكاء اصطناعي ملموسة. الدقة والاستقلالية: التركيز على التحسين (زمن الاستجابة، وإدارة تكلفة واجهات برمجة تطبيقات LLM). روح الفريق: القدرة على العمل بتآزر مع مهندسي البيانات (Data Engineers)، والمهندسين المعماريين (Architects)، وأصحاب المنتجات (Product Owners) باستخدام منهجية Agile.