مهندس الذكاء الاصطناعي/التعلُّم الآلي

وصف

الملخّص: يصمِّم مهندس الذكاء الاصطناعي/التعلُّم الآلي حلول التعلُّم الآلي، ويبنيها وينشرها، مع تطوير النماذج وإعداد البيانات وتدريب الخوارزميات وتحسين الأداء. أبرز النقاط: 1. تصميم وبناء ونشر حلول التعلُّم الآلي 2. تطوير النماذج ودمجها في الأنظمة الإنتاجية 3. تحسين أداء النموذج وموثوقيته ومراقبته **مهندس الذكاء الاصطناعي/التعلُّم الآلي — الوصف الوظيفي** **ملخّص الدور** يقوم مهندس الذكاء الاصطناعي/التعلُّم الآلي بتصميم حلول التعلُّم الآلي وبنائها ونشرها. ويشمل هذا الدور تطوير النماذج وإعداد البيانات وتدريب الخوارزميات وتقييمها ودمجها في الأنظمة الإنتاجية وتحسين أداء النموذج وموثوقيته ومراقبته. **المهام الرئيسية** * تحويل الأهداف التجارية إلى عبارات مشاكل في مجال التعلُّم الآلي ومعايير نجاح قابلة للقياس. * بناء خطوط أنابيب البيانات لإعداد الميزات وسير عمل التسمية ومجموعات البيانات التدريبية. * تدريب النماذج الخاصة بالتعلُّم الآلي وتقييمها والتكرار عليها (مثل: التعلُّم الآلي الكلاسيكي، والتعلُّم العميق، ومعالجة اللغة الطبيعية، والرؤية الحاسوبية، وأنظمة التوصية). * إجراء تحليل البيانات والتجارب (إنشاء قواعد مرجعية، ودراسات الإزالة، وتحليل الأخطاء). * تنفيذ سير عمل تدريب النماذج باستخدام ممارسات MLOps (التحكم في الإصدارات، وإمكانية إعادة الإنتاج، وCI/CD للتعلُّم الآلي). * نشر النماذج وتشغيلها (استنتاج دفعي و/أو فوري) على بنية تحتية قابلة للتوسُّع. * إدارة دورة حياة النموذج: المراقبة وكشف الانحراف ومحفِّزات إعادة التدريب وتحديثات النموذج. * تحسين الأداء: الدقة، زمن الوصول، معدل التدفق، الذاكرة/التكلفة، والمتانة. * التعاون مع هندسة البرمجيات لدمج النماذج في التطبيقات أو واجهات برمجة التطبيقات (APIs). * العمل مع فريق المنتج وأصحاب المصلحة لتحديد المتطلبات والتحقق من النتائج. * صيانة التوثيق: تتبع التجارب وبطاقات النماذج والكتيبات التشغيلية/التشغيلية. * ضمان تطبيق ممارسات الأمان والامتثال في التعامل مع البيانات وضوابط الوصول. **المؤهلات المطلوبة** * مهارات برمجية قوية (بايثون؛ وغالبًا ما تُستخدم مكتبات PyTorch/TensorFlow/Scikit\-learn). * فهمٌ متينٌ للأمور الأساسية في التعلُّم الآلي: التعلُّم الخاضع للإشراف وغير الخاضع للإشراف، والمقاييس، والتحقق، والإفراط في التكيُّف/التعميم. * خبرة في إعداد البيانات وتقييمها (تنظيف البيانات، وهندسة الميزات، ومعالجة عدم التوازن، وما إلى ذلك). * خبرة عملية في تدريب النماذج ونشرها في بيئات إنتاجية أو شبه إنتاجية. * إتقان إطار عمل التعلُّم الآلي والأدوات الشائعة (مثل: scikit\-learn، وPyTorch/TensorFlow؛ وتتبع التجارب). * فهمٌ قويٌ لممارسات هندسة البرمجيات: الاختبارات، وجودة الكود، والتحكم في الإصدارات، وأساسيات CI/CD. * معرفة عملية بخدمات السحابة والتخزين/الحساب القابل للتوسُّع لأحمال العمل المتعلقة بالتعلُّم الآلي (AWS/Azure/GCP). **المؤهلات المرغوبة** * خبرة في النماذج اللغوية الكبرى (LLMs) وسير عمل معالجة اللغة الطبيعية الحديثة (الضبط الدقيق، والاسترجاع المعزَّز بالتوليد RAG، والتقييم، واعتبارات السلامة). * خبرة في أدوات MLOps (سجل النماذج، وخطوط الأنابيب، وإطارات المراقبة). * دراية بتقنيات التجميع والتنسيق (Docker/Kubernetes) لتشغيل النماذج. * خبرة في متاجر الميزات و/أو مستودعات البيانات. * خبرة قوية في الإحصاء والتجارب (اختبار A/B، وأسس الاستدلال السببي). * نشرات علمية أو براءات اختراع أو مساهمات في مشاريع مفتوحة المصدر مرتبطة بالتعلُّم الآلي. **المهارات والكفاءات** * مهارات تحليلية وتشخيصية قوية (يمكنه تشخيص مشاكل التدريب والاستنتاج). * عقلية تجريبية وحكم جيد في تقييم المقايضات. * القدرة على توضيح سلوك النموذج وقيوده بشكلٍ واضح. * تحمل المسؤولية الكاملة من مرحلة النموذج الأولي حتى مرحلة الإنتاج. الأجور: ر.ع. ٨٦٢٫٤٦٠ \- ر.ع. ١٬٢٨٥٫١٣٠ شهريًّا مكان العمل: شخصيًّا