مهندس ذكاء اصطناعي

حول الشركة: فيرالينز هي منظمة مبتكرة مدفوعة بالتكنولوجيا، مكرسة لمساعدة الشركات على التوسع والابتكار والريادة في عصر الذكاء الاصطناعي.
نحن متخصصون في بناء حلول ذكية مدعومة بتقنيات الذكاء الاصطناعي التوليدي المتطورة، مما يحول الأفكار إلى تطبيقات مؤثرة في العالم الحقيقي عبر مجموعة واسعة من الصناعات.
في فيرالينز، نعيش على التعاون والإبداع والسرعة.
بيئتنا السريعة تمكّن المبتكرين وحلّ المشكلات والرؤى من تحقيق تأثير فوري أثناء تشكيل مستقبل التحول المدفوع بالذكاء الاصطناعي.
حول الدور: المسؤوليات تصميم، نموذج أولي ونشر أنظمة الجيل المعزز بالاسترجاع: تصميم أنابيب RAG القابلة للتوسع التي تجمع بين البحث المتجه، الاسترجاع الهجين، إعادة التصنيف وتقنيات الضغط السياقي.
بناء ودمج أنظمة البحث المتجه (مثل: ميلفوس، pgvector، FAISS، وويفيت) لاسترجاع عالي الدقة عبر البيانات المنظمة وغير المنظمة.
تطوير أنظمة الاسترجاع الهجين وأنابيب المعرفة المدفوعة: تصميم أنظمة استرجاع هجينة تمزج بين الأساليب الدلالية والرمزية والرسومية.
إنشاء استراتيجيات تقسيم وتشفير مخصصة لتخزين المعرفة التشغيلية في قواعد البيانات المتجهة والرسوم البيانية للمعرفة.
بناء الرسوم البيانية للمعرفة ودمجها في سير العمل للاسترجاع: تصميم الرسوم البيانية للمعرفة (Neo4j، RDF، مخططات مخصصة) ودمجها في سير العمل للاسترجاع لدعم التفكير واتخاذ القرار.
تحسين أنابيب البيانات والتضمينات: بناء وتحسين أنابيب البيانات التي تحول الوثائق الواردة إلى تضمينات عالية الجودة لاسترجاع الذكاء الاصطناعي.
ضبط أحجام القطع، تكرار الفهرسة واستراتيجيات التضمين لتعزيز الدقة والفعالية.
تنفيذ البحث الهجين وتصفية البيانات الوصفية: دمج البحث الدلالي وكلمات المفتاح لتحسين الدقة والفعالية.
تجربة تقنيات تصفية البيانات الوصفية لإبراز السياق الأكثر صلة لوكلاء التفكير الذكائي.
تقييم ومراقبة أداء النظام: تقييم أداء الاسترجاع من البداية إلى النهاية باستخدام مقاييس IR التقليدية (الدقة، الاسترجاع) وتقييمات محددة لـ LLM (الواقعية، التماسك، نجاح المهمة).
مراقبة سجلات الاسترجاع وضبط تكوينات التضمين للحفاظ على الصلة وتقليل الهلاوس.
مقارنة وضبط LLMs: مقارنة أداء LLMs المختلفة (مثل: GPT-4، كلود، لاما) عبر هياكل التضمين وصقل استراتيجيات الضبط.
تنفيذ تقنيات التكميم، التقطير والتحسين لتحقيق أهداف الكمون، الإنتاجية والتكلفة.
التعاون وتمكين الفرق: العمل عبر الوظائف مع مديري المنتجات، مهندسي البيانات وخبراء المجال لترجمة أهداف المنتج إلى حلول ذكاء اصطناعي قابلة للتوسع.
إجراء ورش عمل وجلسات تمكين لتعزيز معرفة الذكاء الاصطناعي عبر الفرق الداخلية.
ضمان الجودة والامتثال: المشاركة في مراجعات الشيفرة الصارمة وتنفيذ أطر الاختبار لضمان الموثوقية والأمان والامتثال.
مراقبة دائمة لدقة النموذج وسلامته، والالتزام بإرشادات حوكمة البيانات والأخلاقيات.
المؤهلات: الخبرة: 3 - 6 سنوات من الخبرة في هندسة البرمجيات مع خبرة عميقة في بايثون، وخبرة في بناء ونشر أنظمة RAG أو أنظمة الاسترجاع المعلوماتية، وإجادة قوية في TensorFlow وPyTorch.
خبرة الاسترجاع: القدرة المثبتة على تصميم أنابيب استرجاع هجينة، تشفير المعرفة باستخدام LLMs وقواعد البيانات المتجهة، وبناء وتحسين أنظمة RAG.
قواعد البيانات المتجهة وخوارزميات البحث: إجادة قواعد البيانات المتجهة ومكتبات البحث مثل pgvector، FAISS، ميلفوس، باينكون أو ويفيت، وفهم قوي لخوارزميات البحث المتجهة، استراتيجيات الفهرسة وتقنيات البحث الهجين.
التضمين وإطارات LLM: خبرة عملية مع التضمينات والنماذج المعتمدة على المحولات (مثل: OpenAI، Cohere، Sentence Transformers) وإطارات مثل Hugging Face Transformers، LangChain وLlamaIndex.
الأنظمة الموزعة والنشر: معرفة عملية بالأنظمة الموزعة، أنابيب ETL، دوكر وKubernetes، بالإضافة إلى المنصات السحابية (Azure، AWS، GCP) لنشر تطبيقات الذكاء الاصطناعي.
التقييم والأمان: معرفة بتقييم أنظمة الاسترجاع، أدوات المراقبة وأداء النموذج.
فهم اعتبارات حوكمة البيانات، الأمان والامتثال.
المهارات المفضلة: الرسوم البيانية للمعرفة والبحث متعدد الوسائط: خبرة في تصميم ونشر الرسوم البيانية للمعرفة، الرسوم البيانية الدلالية أو أنظمة البحث متعددة الوسائط.
الضبط الدقيق وRLHF: معرفة بضبط LLM، التعلم المعزز من ردود الفعل البشرية (RLHF) ومحاذاة الأمان.
الذكاء الاصطناعي متعدد الوسائط: التعرض للنماذج متعددة الوسائط (صورة، فيديو، صوت) ونماذج الانتشار.
المساهمات مفتوحة المصدر: المساهمات في مشاريع الذكاء الاصطناعي التوليدية، الاسترجاع أو قواعد البيانات المتجهة مفتوحة المصدر، أو الأبحاث/المدونات المنشورة.
النمذجة الأمامية السريعة: خبرة في React/Next.js للنمذجة السريعة لتطبيقات مدفوعة بالذكاء الاصطناعي.
الدرجات المتقدمة: ماجستير أو دكتوراه في علوم الكمبيوتر، الذكاء الاصطناعي، التعلم الآلي أو المجالات ذات الصلة (مفضل ولكن ليس إلزاميًا).
قد تعوض الخبرة الواسعة ذات الصلة أو المساهمات الكبيرة في المصادر المفتوحة التعليم الرسمي.