قائد الذكاء الاصطناعي

الوصف

في Codvo، يسير تحويل البرمجيات والأشخاص جنبًا إلى جنب. نحن شركة خدمات تقنية عالمية تركز على التعاطف، حيث يتجذر ابتكار المنتجات وهندسة البرمجيات الناضجة في حمضنا النووي الأساسي. توجه قيمنا الأساسية المتمثلة في الاحترام والإنصاف والنمو والمرونة والشمول كل ما نقوم به. نحن نعمل باستمرار على توسيع خبرتنا في الاستراتيجية الرقمية والتصميم والهندسة المعمارية وإدارة المنتجات لتقديم نتائج قابلة للقياس وتفكير خارج الصندوق. عن الدور نحن نبحث عن مهندس ذكاء اصطناعي أول ذو مهارات عالية وخبرة عميقة في الصناعات كثيفة الأصول مثل النفط والغاز أو التصنيع أو المرافق لقيادة تصميم وتطوير وتنفيذ خطوط أنابيب وأنظمة خلفية قوية وقابلة للتطوير لتطبيقات الذكاء الاصطناعي التوليدي لدينا. في هذا الدور، ستكون مسؤولاً عن تنسيق تدفق البيانات، ودمج خدمات الذكاء الاصطناعي، وتطوير خطوط أنابيب RAG، والعمل مع نماذج اللغة الكبيرة (LLMs)، وضمان التشغيل السلس للبنية التحتية الخلفية التي تدعم حلول الذكاء الاصطناعي التوليدي لدينا. سيتوقع منك أيضًا تطبيق ممارسات LLMOps الحديثة، والتعامل مع التوليد المقيد بالمخطط، وتحسين مقايضات التكلفة والكمون، وتخفيف الهلوسة، وضمان السلامة القوية والتخصيص وقابلية الملاحظة عبر أنظمة GenAI. المسؤوليات تطوير خط أنابيب الذكاء الاصطناعي التوليدي - تصميم وتنفيذ خطوط أنابيب قابلة للتطوير ومعيارية لاستيعاب البيانات وتحويلها وتنسيقها عبر أعباء عمل GenAI. - إدارة تدفق البيانات والنماذج عبر LLMs وخدمات التضمين ومخازن المتجهات ومصادر SQL وواجهات برمجة التطبيقات. - بناء خطوط أنابيب CI/CD مع اختبار تراجع الموجه المتكامل والتحكم في الإصدار. - استخدام أطر التنسيق مثل LangChain أو LangGraph لتوجيه الأدوات وسير العمل متعدد الخطوات. - مراقبة أداء النظام باستخدام أدوات مثل Langfuse أو Prometheus. استيعاب البيانات والمستندات - تطوير أنظمة لاستيعاب البيانات غير المهيكلة (PDF، OCR) والمهيكلة (SQL، APIs). - تطبيق خطوط أنابيب المعالجة المسبقة للنصوص والصور والتعليمات البرمجية. - ضمان سلامة البيانات وتناسق التنسيق والأمان عبر المصادر. تكامل خدمة الذكاء الاصطناعي - دمج واجهات برمجة تطبيقات LLM الخارجية والداخلية (OpenAI، Claude، Mistral، Qwen، إلخ). - بناء واجهات برمجة تطبيقات داخلية للتواصل السلس بين الواجهة الخلفية والذكاء الاصطناعي. - تحسين الأداء من خلال توجيه الاحتياطي إلى نماذج كلاسيكية أو أصغر بناءً على ميزانيات الكمون أو التكلفة. - استخدام التوجيه المقيد بالمخطط وفلاتر الإخراج لقمع الهلوسة والحفاظ على الدقة الواقعية. خطوط أنابيب التوليد المعزز بالاسترجاع (RAG) - بناء خطوط أنابيب RAG هجينة باستخدام تشابه المتجهات (FAISS/Qdrant) والبيانات المهيكلة (SQL/API). - تصميم استراتيجيات استرجاع مخصصة للمستندات متعددة الوسائط أو متعددة المصادر. - تطبيق ترتيب ما بعد الاسترجاع باستخدام DPO أو تقنيات تعتمد على التغذية الراجعة. - تحسين الصلة السياقية من خلال إعادة الترتيب ودمج الأجزاء ومنطق التسجيل. تكامل وتحسين LLM - إدارة هندسة الموجهات وتفاعل النماذج وسير عمل الضبط. - تنفيذ أفضل ممارسات LLMOps: إصدار الموجهات، والتحقق من صحة المخرجات، والتخزين المؤقت (متجر KV)، وتصميم الاحتياطي. - تحسين التوليد باستخدام ضبط درجة الحرارة، وحدود الرمز المميز، وفك التشفير التخميني. - دمج المراقبة وتتبع التكلفة في سير عمل LLM. ملكية الخدمات الخلفية - تصميم وصيانة خدمات الواجهة الخلفية القابلة للتطوير التي تدعم تطبيقات GenAI. - تنفيذ المراقبة والتسجيل وتتبع الأداء. - بناء RBAC (التحكم في الوصول المستند إلى الدور) والتخصيص متعدد المستأجرين. - دعم الحاويات (Docker، Kubernetes) والبنية التحتية للتحجيم التلقائي للإنتاج. المهارات والمؤهلات المطلوبة التعليم - بكالوريوس أو ماجستير في علوم الكمبيوتر، الذكاء الاصطناعي، تعلم الآلة، أو مجال ذي صلة. الخبرة - 5+ سنوات من الخبرة في هندسة الذكاء الاصطناعي/تعلم الآلة مع تطوير خط أنابيب شامل. - خبرة عملية في بناء ونشر أنظمة LLM/RAG في الإنتاج. - خبرة قوية في منصات السحابة العامة (AWS، Azure، أو GCP). - سنتان + من الخبرة في الصناعات كثيفة الأصول (مثل النفط والغاز، المرافق، التصنيع). المهارات التقنية - إتقان Python والمكتبات مثل Transformers، SentenceTransformers، PyTorch. - فهم عميق للبنية التحتية لـ GenAI، وواجهات برمجة تطبيقات LLM، ومجموعات الأدوات مثل LangChain/LangGraph. - خبرة في تطوير واجهة برمجة تطبيقات RESTful والتحكم في الإصدار باستخدام Git. - معرفة بقواعد بيانات المتجهات (Qdrant، FAISS، Weaviate) والاسترجاع القائم على التشابه. - الإلمام بـ Docker، Kubernetes، وتصميم الخدمات المصغرة القابلة للتطوير. - خبرة في أدوات المراقبة مثل Prometheus، Grafana، أو Langfuse. مهارات الذكاء الاصطناعي التوليدي المحددة - معرفة بـ LLMs، VAEs، Diffusion Models، GANs. - خبرة في بناء خطوط أنابيب RAG المهيكلة + غير المهيكلة. - هندسة الموجهات مع ضوابط السلامة، وتطبيق المخطط، وتخفيف الهلوسة. - خبرة في اختبار الموجهات، واستراتيجيات التخزين المؤقت، وتصفية المخرجات، ومنطق الاحتياطي. - الإلمام بـ DPO، RLHF، أو طرق الضبط الدقيق الأخرى القائمة على التغذية الراجعة. المهارات الشخصية - مهارات تحليلية قوية، وحل المشكلات، وتصحيح الأخطاء. - تعاون ممتاز مع الفرق متعددة الوظائف: المنتج، ضمان الجودة، DevOps. - القدرة على العمل في بيئات سريعة الوتيرة ورشيقة وتقديم حلول جاهزة للإنتاج. - تواصل واضح وممارسات توثيق قوية. المؤهلات المفضلة - خبرة في OCR، وتحليل المستندات، وتقسيم المستندات مع مراعاة التخطيط. - خبرة عملية في أدوات MLOps وLLMOps للذكاء الاصطناعي التوليدي. - مساهمات في مشاريع الذكاء الاصطناعي التوليدي مفتوحة المصدر أو مشاريع البنية التحتية للذكاء الاصطناعي. - معرفة بحوكمة الذكاء الاصطناعي التوليدي، والنشر الأخلاقي، وضوابط الاستخدام. - خبرة في أطر قمع الهلوسة مثل Guardrails.ai، Rebuff، أو Constitutional AI.

ما ستقوم به

• • - قيادة تصميم وتطوير وتنفيذ خطوط أنابيب وأنظمة خلفية قوية وقابلة للتطوير لتطبيقات الذكاء الاصطناعي التوليدي. ضمان التشغيل السلس للبنية التحتية الخلفية التي تدعم حلول الذكاء الاصطناعي التوليدي لدينا.

المتطلبات

يجب أن يمتلك المرشحون خبرة تزيد عن 5 سنوات في هندسة الذكاء الاصطناعي/تعلم الآلة مع تطوير خط أنابيب شامل وخبرة عملية في بناء ونشر أنظمة LLM/RAG في الإنتاج. مطلوب درجة البكالوريوس أو الماجستير في علوم الكمبيوتر، الذكاء الاصطناعي، تعلم الآلة، أو مجال ذي صلة.

التعليم المطلوب

• - درجة البكالوريوس
• - درجة الدراسات العليا

الأسئلة الشائعة