الوصف الوظيفي
الدور الوظيفي : مهندس ذكاء اصطناعي / تعلم آلي
وصف الدور الوظيفي : تطوير التطبيقات والأنظمة التي تستخدم أدوات الذكاء الاصطناعي، وخدمات الذكاء الاصطناعي السحابية، مع خط أنابيب تطبيقات سحابية أو محلية بجودة جاهزة للإنتاج. يجب أن تكون قادرًا على تطبيق نماذج الذكاء الاصطناعي العامة كجزء من الحل. قد تشمل أيضًا، ولكن لا تقتصر على، التعلم العميق، الشبكات العصبية، الدردشة الآلية، معالجة الصور.
المهارات الأساسية : تعلم الآلة (ML)
المهارات الجيدة أن تكون موجودة : مايكروسوفت أزور لتعلم الآلة
يتطلب الحد الأدنى من 3 سنوات من الخبرة
المؤهلات التعليمية : 15 سنة من التعليم بدوام كامل
ملخص
مهندس تعلم الآلة : بناء ميزات عبر تدفقات العمل الخاصة بالذكاء الاصطناعي، والنماذج اللغوية الكبيرة، وتعلم الآلة بما في ذلك مكونات الاقتراحات / القواعد، البحث والاسترجاع، استخراج الوثائق، ومعالجة الصور الأساسية / OCR. تحويل بيانات المشكلة إلى كود جاهز للإنتاج، كتابة وثائق واضحة، والشراكة عن كثب مع عمليات تعلم الآلة لإصدارات موثوقة. يجب أن تكون على دراية بممارسات انزلاق النموذج وانزلاق البيانات.
الأدوار والمسؤوليات:
كتابة استعلامات واستخراج البيانات من مصادر منظمة / غير منظمة، وتنفيذ خطوط أنابيب التحليل والتطبيع.
تطوير استخراج الويب / الوثائق (Playwright / Selenium، Trafilatura pypdf / pdfplumber / ocrmypdf) وتحويلها إلى مخططات موثقة.
تنفيذ المطالبات، والأدوات / الوظائف، وخطوات الوكيل باستخدام LangChain، والمساهمة في الاسترجاع (BM25 + embeddings) ووحدات RAG.
إضافة معالجة الصور الأساسية باستخدام OpenCV وOCR باستخدام pytesseract عند الحاجة.
كتابة كود بايثون نظيف ومختبر مع اختبارات نماذج لغوية كبيرة بأسلوب الوحدة مع DeepEval، والحفاظ على سجلات التجارب ومجموعات بيانات التقييم.
التعاون في طقوس Agile، وإنتاج ملاحظات تصميم موجزة وتقارير تجريبية.
الخبرة التقنية والسمات المهنية:
بايثون مع معرفة عملية بـ PyTorch، ومعرفة بحزم التعلم العميق ومجموعة Hugging Face (transformers، datasets، SBERT).
أتمتة الويب / scraping باستخدام Selenium أو Playwright، ومعالجة HTML / نص قوية.
أساسيات البحث وأنماط RAG، ومتاجر المتجهات وembeddings على مستوى عملي.
أساسيات معالجة الصور (OpenCV) وتكامل OCR (pytesseract).
عقلية التقييم: DeepEval لمخرجات نماذج اللغة الكبيرة، Exposure to Optuna / SHAP هو ميزة.
المهارات المفضلة
spaCy، scikit-learn، LightGBM / Flair حيثما كان ذلك مناسبًا.
خبرة في التحقق من صحة المخططات (pydantic / JSON Schema) والتقسيم (tiktoken).
Streamlit للعرض التقديمي الداخلي (محلي فقط).
المؤهلات التعليمية:
خبرة في شحن ميزات تعلم الآلة / النماذج اللغوية الكبيرة أو مشاريع تطبيقية قوية تظهر ملكية شاملة.
تواصل كتابي / شفهي واضح وطرق عمل تعاونية.
ستعمل مع قائد موثوق في تكنولوجيا الضرائب، ملتزم بتقديم حلول موثوقة ومبتكرة.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
