مهندس ذكاء اصطناعي أول

نبذة عن ليغ
 

تأسست ليغ في عام 2014، وهي المنصة الرائدة في تجربة المستهلك في الرعاية الصحية، مدعومة بالذكاء الاصطناعي، وتصل إلى أكثر من 63 مليون شخص حول العالم، مقدمة أعلى مستوى من التخصيص في الصناعة. يقوم الدافعون، ومقدمو الخدمات، وشركاء الصحة الاستهلاكية بالبناء على منصة ليغ لتقديم حلول رعاية صحية ذات تفاعل عالٍ ثبت أنها تحسن النتائج الصحية. جمعت ليغ أكثر من 285 مليون دولار في تمويل رأس المال المغامر حتى الآن، مما يعزز التجارب الرقمية لبعض من أكثر العلامات التجارية موثوقية في مجال الرعاية الصحية، بما في ذلك هايمارك هيلث، مانوليف، ميديبانك، وشوبيرز دراج مارت.

الدور
يتم البحث عن مهندس ذكاء اصطناعي أول للانضمام إلى مجموعة الذكاء الاصطناعي والبيانات في فريق تنسيق الذكاء الاصطناعي. هذه الوظيفة مسؤولة عن تصميم وبناء وتشغيل وتوسيع طبقة التنسيق التي تدعم تجارب الرعاية الصحية المدفوعة بالذكاء الاصطناعي في ليغ. 

تقع هذه الوظيفة عند تقاطع تصميم أنظمة الذكاء الاصطناعي، وإنتاج التعلم الآلي، وهندسة البرمجيات الموزعة، حيث ستقوم بأخذ القدرات الاحتمالية لنماذج اللغة الكبيرة وتحويلها إلى تجارب منتجات موثوقة وقابلة للقياس وقابلة للتوسع.

هذه وظيفة هندسية عليا عملية لممارس يتجاوز النماذج الأولية ليتولى المشكلة الصعبة المتمثلة في جعل الذكاء الاصطناعي يعمل على نطاق واسع. ستقوم بترجمة الابتكارات الرائدة في الذكاء الاصطناعي إلى أنظمة موثوقة وآمنة ومتوافقة. سيكون لعملك تأثير مباشر على كيفية تفعيل الذكاء الاصطناعي عبر النظام البيئي الصحي الرقمي في ليغ - مما يضمن أن تكون الأنظمة قابلة للتوسع، وقابلة للرصد، وأداءً عالياً، وآمنة في بيئة منظمة.

 
في هذا الدور، ستقوم بـ:تنسيق الذكاء الاصطناعي وتصميم الأنظمة

• تصميم وبناء أنظمة ذكاء اصطناعي ذات جودة إنتاج، بما في ذلك خطوط أنابيب RAG، ووكلاء متعددين الخطوات، وميزات مدفوعة بنماذج اللغة الكبيرة.
  
• اتخاذ خيارات معمارية مبدئية بشأن RAG مقابل الضبط الدقيق وحلقات الوكلاء مقابل أنماط الاتصال والاستجابة الأبسط.
  
• الهندسة من أجل الصيانة على المدى الطويل، مما يضمن أن تفشل الأنظمة بشكل سلس وتعالج المخرجات غير الحتمية بشكل متوقع.

التقييم وضمان الجودة

• بناء أطر تقييم ورصد شاملة لقياس دقة النموذج، والتأسيس، وانحراف الجودة.
  
• تنفيذ مجموعات اختبارات آلية وخطوط أنابيب 'LLM كقاضي' لالتقاط العيوب قبل أن تصل إلى الإنتاج.
  
• تحديد معايير الجودة لمكونات الذكاء الاصطناعي ودفع التحسينات بناءً على حلقات التغذية الراجعة البشرية.

الهندسة الإنتاجية وMLOps

• إنشاء خدمات بايثون ذات جودة إنتاج لتغليف منطق الذكاء الاصطناعي في خدمات صغيرة آمنة.
  
• الاستفادة من مساعدي البرمجة بالذكاء الاصطناعي (Claude Code، Codex، Cursor، إلخ) لكتابة معظم الشيفرة الخاصة بك، مع الاحتفاظ بالملكية والفهم العميق للمنتج الذي تم إنشاؤه
  
• امتلاك دورة حياة النموذج، بما في ذلك إصدار المطالبات كأعمال شيفرة من الدرجة الأولى ومراقبة تدهور الأداء.
  
• إدارة اقتصاديات استخدام نماذج اللغة الكبيرة، موازنة أداء النموذج مقابل زمن الاستجابة والتكلفة.

التعاون والقيادة التقنية

• الشراكة مع فرق المنتج، وعلوم البيانات، والخلفية لترجمة المتطلبات الغامضة إلى مواصفات تقنية.
  
• توجيه المهندسين المبتدئين في فن الذكاء الاصطناعي، بما في ذلك اختيار التضمين، وتصميم مخازن المتجهات، ودقة هندسة المطالبات.
  
• تقليل تركيز المعرفة بنشاط من خلال المساهمة في أدوات الذكاء الاصطناعي المشتركة والوثائق.
• المساهمة في تخطيط خارطة الطريق وقرارات العمارة طويلة الأجل للذكاء الاصطناعي.

تميز المنصة والابتكار

• تأسيس والحفاظ على معايير الأداء والأمان والخصوصية وحوكمة البيانات داخل أنظمة الذكاء الاصطناعي.

نبذة عنك:

• خبرة تقنية عميقة: خبرة عملية واسعة في هندسة البرمجيات وفهم قوي لدورة حياة التعلم الآلي بالكامل.
• تفكير على مستوى المنصة: قدرة مثبتة على تصميم وبناء أنظمة موزعة وقابلة للتوسع، ويفضل أن تكون لتطبيقات التعلم الآلي أو البيانات الكثيفة.
• إتقان MLOps: خبرة مثبتة مع أدوات وممارسات MLOps، بما في ذلك CI/CD للتعلم الآلي، وإصدار النماذج، ومخازن الميزات.
• إتقان السحابة: خبرة مع منصات السحابة العامة (مثل AWS، GCP، Azure) وفهم قوي لتقنيات الحاويات والتنظيم مثل Docker وKubernetes.
• إتقان البيانات: فهم قوي لمفاهيم هندسة البيانات، بما في ذلك خطوط أنابيب البيانات، وتخزين البيانات، وأطر معالجة البيانات الموزعة.

التقنية المستخدمة:

• منصات السحابة: خبرة واسعة مع GCP و/أو AWS، بما في ذلك خدمات الحوسبة والتخزين والشبكات الأساسية.
• لغات البرمجة: إتقان في بايثون، ومعرفة بـ Go لخدمات الخلفية تعتبر ميزة.
• أطر البيانات والذكاء الاصطناعي: خبرة مع منصات معالجة البيانات الكبيرة مثل Apache Spark، Apache Beam، Hadoop، إلخ.
• معرفة بأطر التعلم الآلي الحديثة مثل TensorFlow، PyTorch، وscikit-learn.
• إدارة MLOps والتنظيم: فهم عميق لمبادئ MLOps وخبرة عملية مع أدوات مثل Kubeflow، MLflow، LangChain أو LLamaIndex.
• خبرة مع أدوات تنظيم سير العمل مثل Airflow أو منصة مماثلة.
• DevOps والبنية التحتية: خبرة في الحاويات والتنظيم باستخدام Docker وKubernetes.
• خبرة عملية مع أدوات البنية التحتية ككود (IaC) مثل Terraform.
• أنظمة البيانات: خبرة مع قواعد البيانات العلائقية وNoSQL، ومعرفة بتخزين البيانات وتقنيات البث. تعتبر الخبرة مع قواعد البيانات المتجهة (Pinecone، ChromaDB، Mongo) واستراتيجيات الاسترجاع (التجزئة، البحث الهجين، إعادة الترتيب) ميزة إضافية.

المسؤوليات المتعلقة بالأمان:

• ضمان إدارة الوصول تتم وفقًا لدور ومسؤوليات الموظف.
• المسؤولية والمساءلة عن تنفيذ سياسات وإجراءات ليغ داخل القسم/الفريق.
• إخطار الموارد البشرية، والقانونية، والامتثال، والأمان بأي حوادث أو انتهاكات أو انتهاكات للسياسات.
• الامتثال لسياسات أمان المعلومات.

للمتقدمين من كندا فقط: نطاق التعويض المحدد لكندا أدناه لهذه الوظيفة بدوام كامل لا يشمل المكافآت، والأسهم، والمزايا. يعكس هذا النطاق الحد الأدنى والحد الأقصى المستهدف للرواتب الأساسية لهذه الوظيفة عبر جميع المواقع الكندية. تم تصميم نطاق الرواتب هذا ليأخذ في الاعتبار الأداء والتقدم الوظيفي الذي سيختبره موظف ليغ في هذا الدور طوال فترة عمله في ليغ. حيث قد تتواجد في النطاق يتم تحديده بناءً على المهارات/الخبرة المتعلقة بالوظيفة. يمكن لموظف التوظيف لديك مشاركة المزيد حول نطاق الرواتب المحدد لمهاراتك وخبرتك خلال عملية التوظيف.

نطاق التعويض للمتقدمين من كندا فقط
$152,000—$175,000 CAD


موظفونا يأتون من خلفيات مختلفة، ونحتفل بتلك الاختلافات. نحن نبحث عن أفضل المرشحين لأدوارنا المفتوحة، لكننا لا نتوقع من المتقدمين تلبية كل مؤهل من أجل النظر في طلباتهم. إذا كنت متحمسًا لما يمكنك تحقيقه في ليغ وتعتقد أنك تستطيع إضافة قيمة لفريقنا، فنحن نود سماع منك.

نحن ملتزمون بفرص العمل المتساوية بغض النظر عن العرق، أو اللون، أو النسب، أو الدين، أو الجنس، أو الأصل الوطني، أو التوجه الجنسي، أو العمر، أو الجنسية، أو الحالة الاجتماعية، أو الإعاقة، أو الهوية الجنسية، أو حالة المحاربين.. إذا كنت فردًا يحتاج إلى مساعدة في أي وقت خلال عملية التوظيف لدينا، يرجى الاتصال بنا على recruitinginfo@league.com.

عملية تقديم الطلب:
 
يمكن أن يكون التقدم لوظيفة تحبها مرهقًا، وفهم الخطوات التالية يمكن أن يبدو غامضًا وغير مؤكد. لقد قمت بالجزء الصعب من تقديم طلبك؛ دعنا نقوم بواجبنا من خلال مشاركة الخطوات التالية المحتملة.

• يجب أن تتلقى بريدًا إلكترونيًا للتأكيد بعد تقديم طلبك.
• يقوم موظف التوظيف (وليس الكمبيوتر) بمراجعة جميع الطلبات في ليغ.
• إذا رأينا توافقًا مع احتياجات ليغ، سيتواصل موظف التوظيف لمعرفة المزيد عن أهدافك. سيشارك موظف التوظيف أيضًا عملية المقابلة الخاصة بالفريق اعتمادًا على الأدوار التي تستكشفها.
• الخطوة النهائية هي عرض، نأمل أن تقبله!
• قبل الانضمام إلينا، نقوم بإجراء فحوصات مرجعية وخلفية. قد تكون هناك حاجة إلى فحوصات إضافية للمرشحين الأمريكيين، اعتمادًا على الدور الذي تستكشفه.

إليك بعض الموارد الإضافية لمعرفة المزيد عن ليغ:

• تعرف على منصتنا، وفريق القيادة، والشركاء.
• هايمارك هيلث، جوجل كلاود، ليغ: باب رقمي جديد لرعاية سلسة.
• رئيس سابق في بروفيدنس ونائب الرئيس التنفيذي لاستراتيجية الشركات في ووركداي ينضم إلى مجلس إدارة ليغ.
• ليغ تجمع 95 مليون دولار أمريكي في السلسلة C لبناء منصة تجربة المستهلك في الرعاية الصحية الرائدة في العالم.
• فوربس × ليغ: إن منصة الرعاية الصحية هنا.
• فاست كومباني × ليغ: إذا أردنا ابتكارات أفضل في تكنولوجيا الصحة، نحتاج إلى مزيد من المنافسة.

موقع العمل:

لدينا مزيج من الأدوار التي تركز على المكتب ومقرها في مكتبنا النابض بالحياة في تورونتو، وأدوار مؤهلة للعمل عن بُعد من أي مكان في كندا أو الولايات المتحدة. ستشير كل وظيفة منشورة إلى مكان وجود الدور. بغض النظر عن موقع الوظيفة المنشورة، يتعاون جميع موظفي ليغ في منطقة تورونتو (الذين يعيشون ضمن 65 كم من مقرنا الرئيسي في وسط المدينة) في المكتب من الاثنين إلى الخميس. اعتمادًا على المسافة إلى المكتب، ستستمتع بـ 10 أو 20 يوم عمل عن بُعد مرنة كل ربع سنة للتركيز ووقت العمل العميق. نحن ملتزمون بتعزيز بيئة عمل ذات مغزى وروابط لجميع موظفي ليغ بغض النظر عن الموقع.

التعرف على تجنب عمليات الاحتيال المتعلقة بالتوظيف. ممارسة البحث عن عمل بشكل آمن.

يصبح المحتالون أكثر براعة ويستغلون إعلانات الوظائف المزيفة للحصول على معلومات شخصية. تعرف على علامات التحذير واحمِ نفسك من المحتالين. تعرف على المزيد هنا.
 
استخدام إشعار الذكاء الاصطناعي
نحن ملتزمون بضمان العدالة والشفافية خلال عملية التوظيف لدينا. قد تستخدم ليغ أدوات الذكاء الاصطناعي لمساعدتنا في فرز المتقدمين لهذه الوظيفة. يرجى الاطلاع على موقفنا بشأن استخدام الذكاء الاصطناعي في التوظيف هنا.
 
سياسة الخصوصية
راجع سياسة الخصوصية الخاصة بنا للحصول على معلومات حول كيفية حماية ليغ للبيانات الشخصية.