مهندس MLOps أول

يتم البحث عن مهندس MLOps أول لتصميم وبناء وصيانة البنية التحتية وخطوط الأنابيب التي تعمل على تشغيل أنظمة الذكاء الاصطناعي والتعلم الآلي على نطاق واسع.
يربط هذا الدور الفجوة بين تطوير النموذج ونشره في الإنتاج - مما يضمن أن أعباء العمل ML وGenAI موثوقة وقابلة للمراقبة وفعالة من حيث التكلفة وتتحسن باستمرار عبر بيئات المؤسسات.
المسؤوليات الرئيسية تصميم وتنفيذ خطوط أنابيب ML من البداية إلى النهاية تغطي استيعاب البيانات، وهندسة الميزات، وتدريب النموذج، والتقييم، والنشر.
بناء وإدارة خطوط أنابيب CI/CD لنماذج ML، بما في ذلك الاختبار الآلي، والتحقق، وآليات التراجع.
تصميم وصيانة بنية تقديم النموذج لأعباء العمل في الاستدلال في الوقت الحقيقي والدفعات، بما في ذلك نشرات LLM والذكاء الاصطناعي الوكيلة.
تنفيذ أنظمة مراقبة النموذج، واكتشاف الانحراف، والتنبيه لضمان صحة وموثوقية النموذج في الإنتاج.
إدارة تتبع التجارب، وإصدار النموذج، وسجلات العناصر لتمكين التكرار والحوكمة.
تحسين تكاليف الحوسبة وزمن الاستدلال عبر أعباء العمل على GPU/CPU على منصات السحابة (AWS، Azure، أو GCP).
حاوية وتنظيم أعباء العمل ML باستخدام Docker وKubernetes.
أتمتة سير عمل خطوط أنابيب البيانات وإدارة متجر الميزات للتدريب والاستدلال.
التعاون مع مهندسي الذكاء الاصطناعي، وعلماء البيانات، وفرق المنصات لتبسيط المسار من النموذج الأولي إلى الإنتاج.
إنشاء وتنفيذ أفضل الممارسات والمعايير والوثائق الخاصة بـ MLOps عبر منظمة الهندسة.
درجة البكالوريوس في علوم الكمبيوتر أو الهندسة أو مجال ذي صلة.
5+ سنوات من الخبرة في DevOps أو هندسة المنصات أو أدوار MLOps مع 1-2+ سنوات تركز على بنية ML/AI.
مهارات برمجة قوية في Python؛ الخبرة في Bash أو Go أو Java تعتبر ميزة.
خبرة عملية مع أدوات تنظيم خطوط أنابيب ML مثل Kubeflow وMLflow وAirflow أو Vertex AI Pipelines.
إتقان الحاويات (Docker) والتنظيم (Kubernetes، Helm).
خبرة في خدمات ML السحابية على AWS (SageMaker) وAzure (Azure ML) أو GCP (Vertex AI).
معرفة بإطارات تقديم النموذج مثل TorchServe وTriton Inference Server وvLLM أو TGI.
معرفة بالبنية التحتية ككود (Terraform أو Pulumi أو CloudFormation).
خبرة في أدوات المراقبة والرصد (Prometheus وGrafana وDatadog أو ما يعادلها).
فهم قوي لأساسيات هندسة البرمجيات، والتحكم في الإصدارات (Git)، وممارسات CI/CD.
من الجيد أن يكون لديك: خبرة في نشر وتقديم نماذج اللغة الكبيرة (LLMs) وأنظمة التوليد المعززة بالاسترجاع (RAG) في الإنتاج.
معرفة بقواعد البيانات المتجهة (Pinecone وWeaviate وQdrant أو pgvector).
التعرض لمنصات رصد الذكاء الاصطناعي (LangSmith وWeights & Biases وArize أو WhyLabs).
خبرة في متاجر الميزات (Feast وTecton أو ما يعادلها).
معرفة بإدارة مجموعات GPU والبنية التحتية للتدريب الموزع.
خبرة في منصات SaaS المؤسسية والبنية التحتية ML متعددة المستأجرين.