مهندس ذكاء اصطناعي

مهندس ذكاء اصطناعي

الصناعة: صناعة الأدوية الكبيرة

الموقع: الدوحة، قطر

نوع التوظيف: دوام كامل، في المكتب

الشركة: Intelligence Experts، الدوحة، قطر

نظرة عامة على الوظيفة

نبحث عن مهندس ذكاء اصطناعي استثنائي لتصميم وبناء وتطوير أنظمة ذكاء اصطناعي متعددة الوكلاء معقدة في بيئة صناعة الأدوية الكبيرة. تركز هذه الوظيفة على الذكاء الاصطناعي الوكالي القابل للإنتاج، وذكاء التصنيع، ومراقبة الجودة، وتحليلات العمليات عبر عمليات الأدوية المعقدة.

سيعمل مهندس الذكاء الاصطناعي بشكل مباشر مع أطر العمل الوكالية الحديثة بما في ذلك LangGraph وLangChain وLangFuse، مع دمج بنية البيانات المؤسسية مثل Azure/AWS وSnowflake وNeo4j وقواعد البيانات المتجهة وتطبيقات Python وReact الكاملة.

التأثير: تأثير مباشر على الأنظمة التي تعمل على تحسين معالجة الدفعات، وتمكين اكتشاف الشذوذ في الوقت الفعلي، وتوليف الرؤى من مليارات نقاط البيانات عبر عمليات تصنيع الأدوية.

المسؤوليات الرئيسية

1. هندسة وتصميم الوكالات

• تصميم وتطوير بنية الوكالات الأساسية التي تدعم سير العمل متعدد الوكلاء، بما في ذلك التخطيط، وجلب البيانات، والتوليف، والتحليل، والتقارير.
• تحديد أنماط إدارة الحالة، واستراتيجيات نقاط التحقق، وأنظمة الذاكرة للمحادثات الوكالية الطويلة الأمد.
• تصميم أنماط دمج الإنسان في الحلقة لضمان الجودة وتقليل المخاطر.
• تأسيس أفضل الممارسات لتكوين الوكلاء، وتصميم الأدوات، والتواصل بين الوكلاء.
• إنشاء خرائط طريق تقنية توازن بين الابتكار واستقرار الإنتاج.

2. التطوير العملي

• كتابة كود Python بجودة الإنتاج لمكونات الوكلاء الحرجة.
• بناء إدارة حالة LangGraph، وخدمات نقاط التحقق، وإدارة الجلسات.
• تطوير وكلاء البيانات لتوليد استعلامات SQL، والتحقق الدلالي، وتحليل الوثائق، والتضمين، والتنقل في الرسم البياني للمعرفة.
• تطوير وكلاء التنسيق لتخطيط المهام، وإدارة التبعيات، وتنسيق سير العمل.
• بناء وكلاء التحليل لتوليد التصورات، واكتشاف الشذوذ، والرؤى المدفوعة بالتعلم الآلي.
• تنفيذ هندسة متقدمة للمطالبات لتوليد SQL، والتوليف، ومهام الاستدلال.
• بناء خطوط أنابيب تحقق قوية، بما في ذلك منع حقن SQL، والتحقق من المخطط، وفحوصات سلامة النتائج.
• تطوير مراقبة في الوقت الفعلي وأدوات الرؤية باستخدام LangFuse.
• بناء وصيانة ميزات كاملة باستخدام خدمات خلفية Python وواجهات أمامية React.

3. خبرة في الأطر والتقنيات

• دعم اعتماد وتحسين LangGraph وLangChain وLangFuse وDeep Agents.
• العمل مع LangGraph لآلات الحالة متعددة الوكلاء، وسير العمل القائم على الرسم البياني، وأنماط التنفيذ المتوازية.
• العمل مع LangChain لتعريف الأدوات، والسلاسل، والتوليد المعزز بالاسترجاع، وسير عمل الوكلاء.
• العمل مع LangFuse لتتبع الوكلاء، والرؤية، وتحليلات الأداء.
• تطبيق أنماط وكالية متقدمة بما في ذلك الانعكاس، والتخطيط، وتحسين استخدام الأدوات.
• الحفاظ على معرفة عميقة بالأطر الوكالية الناشئة والمساهمة في تقييم التكنولوجيا.
• توجيه اختيارات التكنولوجيا، بما في ذلك متى يجب استخدام LLMs مقابل SLMs، واستراتيجيات التخزين المؤقت، وتحسين التكاليف.

4. البنية التحتية السحابية والبيانات

• تصميم وتنفيذ تكاملات مع Snowflake وNeo4j وChromaDB وخدمات Azure AI وAWS AI stack.
• العمل مع Snowflake لتحسين الاستعلامات، والتحكم في التكاليف، وتصميم المخطط.
• العمل مع Neo4j للبحث الدلالي، ونمذجة العلاقات، واكتشاف الوثائق.
• العمل مع مخازن المتجهات مثل ChromaDB وPinecone أو Weaviate لإدارة التضمين، والفهرسة الدلالية، وتحسين RAG.
• تصميم طبقات تجريد نظام الملفات لتخزين Azure Blob وS3 والتخزين المحلي.
• تصميم وتحسين مخططات قواعد البيانات لاستمرارية نقاط التحقق وتتبع النتائج.
• تنفيذ تجميع الاتصالات، واستراتيجيات التخزين المؤقت، وتحسين الأداء.

5. التعاون ومشاركة المعرفة

• التعاون مع مهندسي الذكاء الاصطناعي، ومهندسي البيانات، وباحثي التعلم الآلي، وفرق التصنيع، وأصحاب المصلحة في الأعمال.
• إجراء مراجعات للكود مع الانتباه إلى التناسق المعماري والجودة.
• البرمجة المزدوجة في عمليات التنفيذ المعقدة، بما في ذلك هندسة المطالبات، وتنسيق الوكلاء، والتحقق.
• مشاركة المعرفة من خلال الوثائق، وسجلات اتخاذ القرار المعماري، والنقاشات الفنية.
• المساهمة في ممارسات الهندسة، بما في ذلك استراتيجيات الاختبار، وإجراءات النشر، واستجابة الحوادث.

6. الجودة، والاختبار، والموثوقية

• تصميم أطر تحقق شاملة.
• بناء اختبارات وحدات لمكونات الوكلاء مع استجابات LLM مزيفة.
• بناء اختبارات تكامل لعمليات العمل متعددة الوكلاء.
• بناء اختبارات شاملة تحاكي استعلامات التصنيع الحقيقية.
• تنفيذ حواجز أمان بما في ذلك منع حقن SQL، وتقدير تكلفة الاستعلام، واكتشاف الشذوذ.
• تأسيس أنماط معالجة الأخطاء والتدهور السلس.
• تحفيز الرؤية من خلال تسجيل منظم، وتتبع موزع، ولوحات معلومات الأداء.

7. عمليات الإنتاج والتحسين

• إدارة وتحسين خطوط أنابيب النشر باستخدام Docker وKubernetes وأتمتة CI/CD.
• مراقبة صحة النظام، والكمون، ومؤشرات التكلفة بعد الإطلاق.
• تنفيذ لوحات معلومات للرؤية باستخدام LangFuse وPrometheus وتحليلات مخصصة.
• تحسين الأداء من خلال التخزين المؤقت لـ LLM، وتجميع الاستعلامات، وتدفق النتائج.
• دعم استجابة الحوادث لفشل الوكلاء، ومشكلات جودة البيانات، وتدهور النظام.

المؤهلات المفضلة

البحث والابتكار

• الإلمام بأوراق بحثية أكاديمية في مجال الذكاء الاصطناعي الوكالي.
• المساهمات في مشاريع الذكاء الاصطناعي/التعلم الآلي مفتوحة المصدر.
• المشاركة في مجتمعات الذكاء الاصطناعي، أو المجتمعات البحثية، أو المنتديات التقنية.

خبرة المجال

• معرفة في مجال التصنيع، وسلسلة التوريد، والأدوية، أو مراقبة الجودة.
• خبرة في اكتشاف الشذوذ أو تحليل السلاسل الزمنية.
• معرفة بأطر جودة البيانات وأنماط التحقق.

المهارات المتقدمة

• تطوير وتقييم نماذج التعلم الآلي.
• خبرة في معالجة اللغة الطبيعية والتضمين، بما في ذلك Hugging Face وsentence-transformers.
• معالجة البيانات في الوقت الفعلي باستخدام Kafka وFlink أو تقنيات مماثلة.
• تحسين أداء قواعد البيانات وتحسين الاستعلامات.

ما نبنيه

سيساعد مهندس الذكاء الاصطناعي في بناء نظام وكالي متعدد الوكلاء معقد في بيئة صناعة الأدوية الكبيرة.

معمارية النظام

يتضمن النظام 10 مكونات رئيسية عبر 12 مرحلة تنفيذ:

1. معالجة الإدخال: إدارة الجلسات والتحقق من الطلبات.
2. الذاكرة والحالة: تخزين الحالة المعتمد على LangGraph مع استمرارية نقاط التحقق.
3. التخطيط: تقسيم المهام وإدارة التبعيات.
4. وكلاء البيانات: توليد استعلامات SQL، واسترجاع الوثائق، والتنقل في الرسم البياني للمعرفة.
5. الإنسان في الحلقة: التحقق من جودة البيانات قبل التوليف.
6. التوليف: دمج البيانات من مصادر متعددة وبناء السياق.
7. تخطيط التحليل: تقسيم المهام للتصور والتحليل المدعوم بالتعلم الآلي.
8. وكيل التصور: توليد الرسوم البيانية ولوحات المعلومات.
9. وكيل تحليل التعلم الآلي: اكتشاف الشذوذ والرؤى التنبؤية.
10. تجميع التقارير: توليف الرؤى النهائية وتنسيقها.
11. استمرارية نقاط التحقق: أرشفة حالة الجلسة.
12. الأسئلة المقترحة: توليد متابعة ديناميكية.

التقنية المستخدمة

• النواة: Python 3.10+، FastAPI، Pydantic، React.
• الواجهة الأمامية: React، JavaScript أو TypeScript، لوحات المعلومات، واجهات المستخدم المدفوعة بالـ API.
• أطر العمل الوكالية: LangGraph، LangChain، LangFuse، Deep Agents.
• البيانات: Snowflake، Neo4j، ChromaDB، PostgreSQL لنقاط التحقق، Redis للتخزين المؤقت.
• السحابة: خدمات Azure AI أو AWS Bedrock، تخزين Blob، وخدمات الحوسبة.
• DevOps: Docker، Kubernetes، GitHub Actions أو GitLab CI.
• المراقبة: LangFuse، Prometheus، وتسجيل منظم.

السياق التجاري

• العمليات في بيئة صناعة الأدوية الكبيرة، بما في ذلك معالجة الدفعات، ومراقبة الجودة، ورؤية سلسلة التوريد.
• تحليل البيانات المنظمة وغير المنظمة، مع دمج استعلامات SQL مع رؤى الوثائق.
• اكتشاف الشذوذ في الوقت الفعلي والتنبيه الاستباقي.
• قدرات مساعد ذكي موجه للمستخدم لفرق التصنيع لطرح أسئلة معقدة والحصول على إجابات مركبة.

لماذا هذه الوظيفة فريدة

• نطاق فني واسع وعميق: العمل عبر التفكير النظامي، والترميز العملي، وPython، وReact، والتنفيذ الكامل، والذكاء الاصطناعي الوكالي.
• تكنولوجيا ناشئة: العمل مع أطر العمل الوكالية المتطورة قبل أن تصبح سائدة.
• تأثير حقيقي: بناء أنظمة تدعم قرارات التصنيع في بيئة صناعة الأدوية الكبيرة.
• الهندسة التعاونية: العمل عن كثب مع مهندسي الذكاء الاصطناعي، وفرق البيانات، والمتخصصين في المجال على أنظمة ذات جودة إنتاج.
• ثقافة الابتكار: المساهمة في إنشاء أفضل الممارسات العملية في أنظمة الذكاء الاصطناعي الوكالية لعمليات الأدوية.

الكفاءات والعقلية

عقلية فنية

• مفكر نظامي: فهم كيفية تفاعل المكونات وتوقع أنماط الفشل.
• براغماتي: اختيار الموازنات المناسبة بين البساطة، والأداء، وقابلية التوسع.
• متعلم مستمر: الراحة في مواكبة تطورات مشهد الذكاء الاصطناعي الوكالي السريعة.
• الأولوية للجودة: إعطاء الأولوية للموثوقية والصلابة للأنظمة الإنتاجية.

مهارات بين شخصية

• مُتحدث: شرح الهياكل الوكالية المعقدة لأصحاب المصلحة غير الفنيين.
• متعاون: العمل عبر الوظائف مع مهندسي البيانات، وباحثي التعلم الآلي، وفرق التصنيع، وأصحاب المصلحة في الأعمال.
• الملكية: تحمل المسؤولية عن جودة التنفيذ ونتائج النظام.
• مشارك المعرفة: المساهمة في الوثائق، والمراجعات، والمعايير الهندسية.