مهندس حلول أول - منصات البيانات والأنطولوجيا والذكاء الاصطناعي

الوصف

نحن نبحث عن مهندس حلول أول ليمتلك الرؤية التقنية ويقود فريقًا هندسيًا يقوم ببناء منصة حديثة للبيانات والدلالات والذكاء الاصطناعي. ستكون السلطة التقنية لكيفية تدفق البيانات، واكتساب الهيكل الدلالي، وتدريب النماذج، وتشغيل وكلاء الذكاء الاصطناعي – وقيادة فريق متعدد التخصصات (مهندسو البيانات، مهندسو تعلم الآلة، مهندسو الدلالات/الأنطولوجيا، الواجهة الخلفية) من التصميم إلى الإنتاج. هذا دور قيادي عملي. ستحدد اتجاه الهندسة المعمارية، وتحدد العقود بين طبقات البيانات والدلالات والذكاء الاصطناعي، وتكتب الأنماط التي يبني عليها الفريق، وستظل قريبًا بما يكفي من الكود لتصحيح تحويل البيانات، أو مسار GraphQL/السياسة، أو تدفق الوكيل. امتلاك الهندسة المعمارية الشاملة لمكدس البيانات ← الدلالات ← الذكاء الاصطناعي والعقود بين الطبقات (GraphQL، REST، protobuf، تدفقات الأحداث، واجهات استدعاء الأدوات). قيادة وتوجيه الفريق الهندسي، ومراجعة التصميمات وطلبات السحب مقابل قرارات الهندسة المعمارية المشتركة وأنماط المرجع. تصميم منصة البيانات – الاستيعاب الدفعي، ومستودع بيانات ذو إصدار مع أمان قائم على الفروع (التدريج ← بوابات الجودة ← الترقية)، والتحويل والتنسيق الموزع، وتحديد إصدار مجموعة البيانات، وخطوط الأنابيب القائمة على الأحداث. تصميم طبقة الدلالات/الأنطولوجيا – نمذجة الكيانات والخصائص والعلاقات؛ واجهات برمجة تطبيقات الاستعلام الدلالي؛ تطبيق السياسات الدقيقة؛ وربط مجموعة البيانات/الأعمدة الذي يمنح البيانات معنى. قيادة طبقة الذكاء الاصطناعي و MLOps – تنسيق الوكلاء، وتجارب مساعد الذكاء الاصطناعي، وحواجز النماذج، واستدلال LLM، ودورة حياة تتبع التجربة ← سجل النماذج ← التقديم الكاملة. ضمان جودة البيانات والدلالات – بوابات الجودة، واتساق الأنطولوجيا، واستراتيجية التضمين/المتجهات، ومعالجة معلومات التعريف الشخصية (PII)، وتقييم السلوك الذي يمنع الإصدارات. تضمين الحوكمة حسب التصميم – تتبع البيانات، وقابلية التدقيق، وتعدد المستأجرين، وتطبيق السياسات كاهتمامات من الدرجة الأولى. كن الصوت التقني مع أصحاب المصلحة، وترجمة متطلبات حوكمة البيانات وعمليات الذكاء الاصطناعي إلى هندسة معمارية، وتشغيل مراجعات التصميم والعروض التوضيحية. المؤهلات الأساسية 10+ سنوات في هندسة البرمجيات/البيانات/تعلم الآلة، مع 5+ سنوات كمهندس حلول أو بيانات أو منصة يقود الفرق ويمتلك تصميم على مستوى النظام. خبرة عميقة في البيانات الموزعة – هندسة مستودع البيانات (مثل Iceberg، Delta، Hudi)، تحديد إصدار/تفرع البيانات، الحوسبة الموزعة (مثل Spark)، خطوط الأنابيب القائمة على الأحداث (مثل Kafka)، وأنماط تتبع/جودة البيانات. خبرة في الدلالات / الأنطولوجيا / نمذجة المعرفة – تصميم الكيانات والعلاقات أو الأنطولوجيا، طبقات الاستعلام الدلالي، وواجهات برمجة تطبيقات GraphQL؛ الإلمام بالسياسة ككود للتحكم الدقيق في الوصول. أنظمة MLOps ووكلاء الذكاء الاصطناعي – سجل النماذج وتقديمها (مثل MLflow، KServe)، مخازن الميزات، استدلال LLM (مثل vLLM)، أطر عمل الوكلاء (مثل LangGraph)، وأنماط الحماية/السلامة. البحث والاسترجاع المتجه – التضمينات، البحث الدلالي (مثل Qdrant، pgvector)، وأنماط RAG. تصميم واجهة برمجة التطبيقات والعقود – GraphQL، REST، protobuf، ومخططات الأحداث مع انضباط قوي في تحديد الإصدارات. البرمجة العملية بلغة Python عبر مكدس البيانات/تعلم الآلة (مثل FastAPI، PySpark). قيادة تقنية قوية – توجيه المهندسين، وكتابة سجلات قرارات الهندسة المعمارية، وتشغيل مراجعات التصميم وطلبات السحب، ومواءمة الفريق حول الأنماط المشتركة. غريزة الحوكمة حسب التصميم – يتم التعامل مع تتبع البيانات، والتدقيق، وتعدد المستأجرين، والسياسة كأولويات من الدرجة الأولى، وليس كأفكار لاحقة. مؤهلات إضافية مرغوبة الخبرة في الصناعات المنظمة (الخدمات المالية، الرعاية الصحية، الحكومة) حيث تكون حوكمة البيانات وتتبعها وقابليتها للتدقيق متطلبات. الإلمام ببروتوكولات وعقود استدعاء الأدوات / تكامل الوكلاء. خلفية مع أطر التحويل التعريفية (مثل dbt) وأدوات جودة البيانات. الراحة في العمل مع Kubernetes كركيزة للنشر – بما يكفي لتكون فعالاً، حتى لو لم يكن تركيزك الأساسي. الإلمام بمكدس المراقبة (مثل OpenTelemetry، Prometheus، Grafana) وأنماط التدقيق غير القابلة للتغيير. خبرة سابقة في نقل منصة بيانات/ذكاء اصطناعي من إثبات المفهوم إلى الإنتاج من البداية إلى النهاية. تتدفق البيانات بسلاسة من المصدر ← مجموعة بيانات ذات إصدار ← طبقة دلالية ← إجراء ذكي، مع بوابات الجودة والسياسة التي تصمد تحت أحمال العمل الحقيقية. تصبح الطبقة الدلالية الأساس الموثوق به الذي يستعلم عنه الوكلاء والمساعدون والمحللون بثقة. يتم شحن تجارب ونماذج ووكلاء تعلم الآلة بشكل متوقع وآمن، مع تتبع البيانات والتدقيق سليمين. تحافظ حدود الهندسة المعمارية وثوابت المنصة على استقرارها مع توسع النظام.

ما ستقوم به

• • - قيادة الرؤية التقنية والفريق الهندسي في بناء منصة حديثة للبيانات والدلالات والذكاء الاصطناعي. امتلاك الهندسة المعمارية الشاملة من استيعاب البيانات وإدارة مستودع البيانات إلى الطبقات الدلالية ونشر وكلاء الذكاء الاصطناعي.

المتطلبات

يتطلب أكثر من 10 سنوات من الخبرة في هندسة البرمجيات/البيانات/تعلم الآلة مع خلفية قوية في البيانات الموزعة، وتصميم الأنطولوجيا، وMLOps. يجب أن يكون بارعًا في Python ولديه خبرة في قيادة فرق متعددة التخصصات من خلال تصميمات معقدة على مستوى النظام.

الأسئلة الشائعة