وصف الوظيفة

الأدوار والمسؤوليات

ترجمة متطلبات الأعمال والعملاء إلى أساليب علم البيانات، تدفقات العمل في الذكاء الاصطناعي، وحلول تقنية قابلة للتطوير. تصميم ونمذجة وتطبيق حلول تعلم آلي، نماذة لغوية كبيرة، والذكاء الاصطناعي التوليدي مع التركيز على القيمة التجارية، الاعتمادية، وسهولة الاستخدام. امتلك هندسة أنظمة خطوط أنجيال الاسترجاع المعزز (RAG)، بما في ذلك معالجة المستندات، التمثيل الشعاعي، البحث الدلالي، التقييم، وتحسين الاستعلام لحالات استخدام المؤسسة. تصميم وتنفيذ ميزات معتمدة على الذكاء الاصطناعي المعقدة من خلال دمج واجهات وخدمات LLM باستخدام أطر مثل LangChain أو ما يعادلها، مع التركيز على الاعتمادية والدقة والأداء في الإنتاج. تصميم وتنفيذ وصيانة تكاملات بروتوكول سياق النموذج (MCP) لربط نماذج الذكاء الاصطناعي بالأدوات الخارجية وواجهات البرمجة والت willow البيانات، مما يمكن حلول ذكاء اصطناعي قائمة على السياق وقابلة للتطوير. تطوير أطر التقييم، ونهج الرصد، وممارسات الرصد الرصدية لأنظمة مدعومة بـLLM لضمان الجودة، الشفافية، والتحسين المستمر. تطبيق تقنيات هندسة المحفزات المتقدمة، واستراتيجيات التضمين، وتقنيات إدارة قاعدة البيانات الشعاعية لتحسين أداء حلول الذكاء الاصطناعي. دمج مخرجات الذكاء الاصطناعي في سير العمل التحليلي، ولوحات المعلومات، وأدوات التقارير، وخطوط تسليم العملاء. تطوير تطبيقات كاملة التكدس: تصميم والمساهمة في تطوير تطبيقات ذكاء اصطناعي وبيانات إنتاجية، أساساً باستخدام Python وأطر الخلفية مثل FastAPI. بناء أو دعم واجهات أمامية باستخدام أطر حديثة مثل React أو Next.js أو Vue لجعل منتجات الذكاء الاصطناعي والبيانات في متناول مستخددي الأعمال والعملاء. التعاون مع مهندسي البرمجيات لتحديد معماريات تطبيق قابلة للتوسع، ومعايير API، وأنماط التكامل. تطوير وصيانة تكاملات REST API مع خدمات ذكاء اصطناي صناعية، ومنصات SaaS للمؤسسة، وأدوات داخلية، ومصادر بيانات خارجية. التأكد من أن نماذج علم البيانات تُترجم إلى حلول إنتاجية قابلة للصيانة وآمنة وقابلة للتوسع. المشاركة في مراجعات الشفرة، وتحديد أفضل الممارسات التقنية، والمساهمة في ثقافة هندسية وعلم بيانات عالية الجودة. الحوسبة السحابية والنشر وMLOps: دعم احتضان الحاويات ونشرها في السحابة لتطبيقات الذكاء الاصطناعي والبيانات، ويفضل على Google Cloud Platform باستخدام GKE وArtifact Registry، مع الحفاظ على القدرة على التكيف مع بيئات سحابية أخرى. تصميم وصيانة خطوط CI/CD باستخدام GitHub Actions أو أدوات معادلة لضمان إصدارات موثوقة وقابلة لإعادة الإنتاج. تطبيق ممارسات MLOps وLLMOps لإدارة التجارب، النشر، الرصد، والتحسين المستمر لأنظمة الذكاء الاصطناعي. التعاون مع فرق الهندسة والبنية التحتية لضمان الاعتمادية، القابلية للتوسع، والأداء لبيئات الإنتاج. تحديد اختناقات الأداء في سير عمل الذكاء الاصطناعي، وسلاسل البيانات، وطبقات التطبيقات والبنية التحتية بشكل استباقي. القيادة التقنية والتعاون: قيادة مبادرات الذكاء الاصطناعي التطبيقية وعلم البيانات من الاكتشاف ونمذجة المفاهيم حتى النشر في الإنتاج. إرشاد علماء البيانات ومهندسي الذكاء الاصطناعي والمطورين في أساليب علم البيانات، ودمج الذكاء الاصطناعي، وممارسات الترميز، وجاهزية الإنتاج. العمل عن كثب مع فرق المنتج والمستشارين والمحللين والأطراف غير التقنية لضمان توافق الحلول مع احتياجات العمل. تحديد المعايير وأفضل الممارسات لتصميم حلول الذكاء الاصطناعي وتقييمها وتوثيقها وتسليمها. إيصال المفاهيم التقنية المعقدة بوضوح لكل من الجمهور الفني وغير الفني. المؤهلات: 4 إلى 6 سنوات خبرة في علم البيانات، تطوير الذكاء الاصطناعي، التعلم الآلي التطبيقي، أو أدوار تقنية ذات صلة، مع خبرة عملية في تقديم منتجات ذكاء اصطناعي أو بيانات إنتاجية. كفاءة قوية في Python، مع خبرة باستخدام مكتبات وأطر علم البيانات والتعلم الآلي والذكاء الاصطناعي. خلفية كاملة في التطوير، بما في ذلك خبرة في أطر الخلفية مثل FastAPI وأطر الواجهة الأمامية الحديثة مثل React وNext.js أو Vue. فهم عميق لـ LLMs، وهياكل RAG، وتدفقات عمل الذكاء الاصطناعي التوليدي، وتكامل خدمات ذكاء اصطناعي إنتاجية، بما في ذلك أدوات مثل OpenAI وGemini وLangChain أو ما يعادلها. خبرة مثبتة في تصميم وتنفيذ تكاملات MCP لربط نماذج الذكاء الاصطناعي بالأدوات الخارجية وواجهات البرمجة ومصادر البيانات المؤسسية. خبرة في بناء سير العمل التحليلي، ولوحات البيانات، أو خطوط أنابيب البيانات، أو أدوات دعم اتخاذ القرار المعتمدة على الذكاء الاصطناعي في سياق العميل أو المؤسسة. خبرة عملية مع Docker ونشر سحابي على منصة سحابية كبرى واحدة على الأقل مثل GCP أو AWS أو Azure أو ما يعادلها. الإلمام بحاويات orchestration، إدارة الأصول، خطوط CI/CD، GitHub Actions، workflows GitOps، واستراتيجيات الفروع. فهم قوي لملاحظية LLM، وتقييم الذكاء الاصطناعي، ورصد الأداء، وممارسات الاعتماد في الإنتاج. قدرة مثبتة على قيادة مبادرات تقنية، وتوجيه أعضاء الفريق الصغار، والتعاون بفعالية مع فرق المنتج وأصحاب المصلحة في العمل. درجة البكالوريوس أو الماجستير في علوم البيانات، علوم الكمبيوتر، هندسة البرمجيات، الإحصاء، الرياضيات التطبيقية، أو مجال ذي صلة. المهارات المفضلة: تجربة مع أطر ذكاء اصطناعي ذات وكالات مثل LangGraph أو أدوات تنظيمية مماثلة لبناء تدفقات ذكاء اصطناعي متعددة الخطوات. معرفة بهندسة المحفزات المتقدمة، وإدارة قاعدة البيانات الشعاعية، وتحسين نموذج التضمين، وتقنيات تقييم الذكاء الاصطناعي. تجربة مع MLOps أو ممارسات LLMOps، بما في ذلك تتبع التجارب، ورصد النماذج، وتقييم جودة الذكاء الاصطناعي. تجربة مع أدوات البنية كرمز مثل Terraform أو Pulumi. تجربة تصميم نماذج البيانات، ومسارات تحليلية، أو حلول BI/لوحات المعلومات. شهادات ذات صلة مثل Google Cloud Professional Data Engineer، Google Cloud Professional Machine Learning Engineer، Google Cloud Professional Developer، أو شهادات سحابية وذكاء اصطناعي مشابهة. ما نقدمه: حزمة تعويضات ومزايا منافسة. فرصة لقيادة مبادرات الذكاء الاصطناعي وعلوم البيانات والتكنولوجيا بأثر عالمي حقيقي. بيئة عمل ديناميكية وداعمة تقدر القيادة، والابتكار، ومساهمتك. فرص تعلم وتطوير مهني مستمرة لدفع مسيرتك قدمًا في الذكاء الاصطناعي، وعلوم البيانات، والتقنية. عملية التقديم: يُدعى المرشحون لتقديم سيرة ذاتية، ورسالة تغطية، وأي محفظة ذات صلة، وروابط GitHub، أو أمثلة مشاريع تُظهر خبرتهم في علم البيانات، وتطوير حلول الذكاء الاصطناعي، وتطوير تطبيقات كاملة التكدس، ونشرها على السحابة. سيخضع المرشحون المختارون لتقييم تقني ومقابلة لإظهار خبرتهم في علم البيانات، ومهارات تنفيذ الذكاء الاصطناعي، والقدرات الكاملة للتكدس، والقيادة التقنية. Infomineo: حيث تلتقي العقول اللامعة لتشكيل مستقبل الأعمال.

الملف المرشح المرغوب

4 إلى 6 سنوات خبرة في علم البيانات، تطوير الذكاء الاصطناعي، التعلم الآلي التطبيقي، أو أدوار تقنية ذات صلة، مع خبرة عملية في تقديم منتجات ذكاء اصطناعي أو بيانات إنتاجية. كفاءة قوية في Python، مع خبرة باستخدام مكتبات وأطر علم البيانات والتعلم الآلي والذكاء الاصطناعي. خلفية كاملة في التطوير، بما في ذلك خبرة في أطر الخلفية مثل FastAPI وأطر الواجهة الأمامية الحديثة مثل React وNext.js أو Vue. فهم عميق لـ LLMs، وهياكل RAG، وتدفقات عمل الذكاء الاصطناعي التوليدي، وتكامل خدمات ذكاء اصطناعي إنتاجية، بما في ذلك أدوات مثل OpenAI وGemini وLangChain أو ما يعادلها. خبرة مثبتة في تصميم وتنفيذ تكاملات MCP لربط نماذج الذكاء الاصطناعي بالأدوات الخارجية وواجهات البرمجة ومصادر البيانات المؤسسية. خبرة في بناء سير العمل التحليلي، ولوحات البيانات، أو خطوط أنابيب البيانات، أو أدوات دعم اتخاذ القرار المعتمدة على الذكاء الاصطناعي في سياق العميل أو المؤسسة. خبرة عملية مع Docker ونشر سحابي على منصة سحابية كبرى واحدة على الأقل مثل GCP أو AWS أو Azure أو ما يعادلها. الإلمام بحاويات orchestration، إدارة الأصول، خطوط CI/CD، GitHub Actions، workflows GitOps، واستراتيجيات الفروع. فهم قوي لملاحظية LLM، وتقييم الذكاء الاصطناعي، ورصد الأداء، وممارسات الاعتماد في الإنتاج. قدرة مثبتة على قيادة مبادرات تقنية، وتوجيه أعضاء الفريق الصغار، والتعاون بفعالية مع فرق المنتج وأصحاب المصلحة في العمل. درجة البكالوريوس أو الماجستير في علوم البيانات، علوم الكمبيوتر، هندسة البرمجيات، الإحصاء، الرياضيات التطبيقية، أو مجال ذي صلة.

المهارات المفضلة:

• خبرة مع أطر ذكاء اصطناعي ذات وكالات مثل LangGraph أو أدوات تنظيمية مماثلة لبناء تدفقات ذكاء اصطناعي متعددة الخطوات.
• معرفة بهندسة المحفزات المتقدمة، وإدارة قاعدة البيانات الشعاعية، وتحسين نموذج التضمين، وتقنيات تقييم الذكاء الاصطناعي.
• تجربة مع MLOps أو ممارسات LLMOps، بما في ذلك تتبع التجارب، ورصد النماذج، وتقييم جودة الذكاء الاصطناعي.
• خبرة مع أدوات البنية كرمز مثل Terraform أو Pulumi.
• خبرة في تصميم نماذج البيانات، ومسارات تحليلية، أو حلول BI/لوحات المعلومات.
• شهادات ذات صلة مثل Google Cloud Professional Data Engineer، Google Cloud Professional Machine Learning Engineer، Google Cloud Professional Developer، أو شهادات سحابية وذكاء اصطناعي مشابهة.