مهندس ذكاء اصطناعي

مهندس ذكاء اصطناعي

الصناعة: صناعة الأدوية الكبيرة

الموقع: الدوحة، قطر

نوع العمل: دوام كامل، في المكتب

الشركة: خبراء الذكاء، الدوحة، قطر

نظرة عامة على الوظيفة

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

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

الأثر: تأثير مباشر على الأنظمة التي تعمل على تحسين معالجة الدفعات، وتمكين الكشف عن الشذوذ في الوقت الفعلي، وتوليد رؤى من مليارات نقاط البيانات عبر عمليات التصنيع الدوائي.

المسؤوليات الرئيسية

1. هندسة وتصميم الوكلاء

• تصميم وتطوير الهيكل الأساسي للوكيل الذي يدعم سير العمل متعدد الوكلاء، بما في ذلك التخطيط، وجلب البيانات، والتوليف، والتحليل، والتقارير.
• تحديد أنماط إدارة الحالة، واستراتيجيات النقاط المرجعية، وأنظمة الذاكرة للمحادثات الوكيلة طويلة الأمد.
• تصميم أنماط تكامل 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 الوكيل الحرجة.
• بناء إدارة حالة LangGraph، وخدمات النقاط المرجعية، وإدارة الجلسات.
• تطوير وكلاء البيانات لتوليد استعلامات SQL، والتحقق الدلالي، وتحليل الوثائق، والتضمين، والتنقل في الرسم البياني للمعرفة.
• تطوير وكلاء التنسيق لتخطيط المهام، وإدارة الاعتماد، وتنسيق سير العمل.
• بناء وكلاء التحليل لتوليد التصورات، والكشف عن الشذوذ، والرؤى المدفوعة بالذكاء الاصطناعي.
• تنفيذ هندسة متقدمة للتنبيه لتوليد SQL، والتوليف، ومهام الاستدلال.
• بناء خطوط أنابيب تحقق قوية، بما في ذلك منع حقن SQL، والتحقق من المخطط، وفحص نتائج الصحة.
• تطوير مراقبة في الوقت الفعلي وأدوات الرصد باستخدام LangFuse.
• بناء وصيانة ميزات كاملة باستخدام خدمات Python الخلفية وواجهات React الأمامية.

3. الخبرة في الأطر والتقنيات

• دعم اعتماد وتحسين LangGraph وLangChain وLangFuse وDeep Agents.
• العمل مع LangGraph لآلات الحالة متعددة الوكلاء، وسير العمل القائم على الرسوم البيانية، وأنماط التنفيذ المتوازية.
• العمل مع LangChain لتعريف الأدوات، والسلاسل، والتوليد المعزز بالاسترجاع، وسير العمل الوكيل.
• العمل مع LangFuse لتتبع الوكلاء، والرصد، وتحليلات الأداء.
• تطبيق أنماط وكيلة متقدمة بما في ذلك الانعكاس، والتخطيط، وتحسين استخدام الأدوات.
• الحفاظ على معرفة عميقة بالأطر الوكيلة الناشئة والمساهمة في تقييم التكنولوجيا.
• توجيه خيارات 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 النقاط المرجعية وتتبع النتائج.
• تنفيذ تجميع الاتصالات، واستراتيجيات التخزين المؤقت، وتحسين الأداء.

5. التعاون ومشاركة المعرفة

• التعاون مع مهندسي الذكاء الاصطناعي، ومهندسي البيانات، وباحثي الذكاء الاصطناعي، وفرق التصنيع، وأصحاب المصلحة في الأعمال.
• إجراء مراجعات للكود مع الانتباه إلى الاتساق المعماري والجودة.
• برمجة زوجية على تنفيذات معقدة، بما في ذلك هندسة التنبيه، وتنسيق الوكلاء، والتحقق.
• مشاركة المعرفة من خلال الوثائق، وسجلات قرارات الهندسة، والمناقشات 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 الوكيل مع استجابات LLM مزيفة.
• بناء اختبارات تكامل لعمليات متعددة الوكلاء.
• بناء اختبارات شاملة تحاكي استعلامات التصنيع الحقيقية.
• تنفيذ حواجز أمان تشمل منع حقن SQL، وتقدير تكلفة الاستعلام، والكشف عن الشذوذ.
• تأسيس أنماط معالجة الأخطاء والانخفاض السلس.
• دفع الرصد 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، ومقاييس التكلفة بعد الإطلاق.
• تنفيذ لوحات معلومات الرصد باستخدام LangFuse وPrometheus وتحليلات مخصصة.
• تحسين الأداء من خلال تخزين LLM المؤقت، وتجميع الاستعلامات، وبث النتائج.
• دعم استجابة الحوادث لفشل الوكيل، ومشاكل جودة البيانات، وتدهور النظام.

المؤهلات المفضلة

البحث والابتكار

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

خبرة المجال

• معرفة بمجال التصنيع، وسلسلة التوريد، والأدوية، أو مراقبة الجودة.
• خبرة في الكشف عن 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 مشابهة.
• تحسين أداء قواعد البيانات وتحسين الاستعلامات.

ما نبنيه

سيساعد مهندس الذكاء الاصطناعي في بناء نظام وكيل متعدد الوكلاء متطور لبيئة صناعة الأدوية الكبيرة.

هندسة النظام

يتضمن النظام 10 مكونات رئيسية عبر 12 مرحلة تنفيذ:

1. معالجة الإدخال: إدارة الجلسات والتحقق من الطلبات.
2. الذاكرة والحالة: تخزين الحالة القائم على LangGraph مع استمرارية النقاط المرجعية.
3. التخطيط: تقسيم المهام وإدارة الاعتماد.
4. وكلاء البيانات: توليد استعلامات SQL، واسترجاع الوثائق، والتنقل في الرسم البياني للمعرفة.
5. الإنسان في الحلقة: تحقق من جودة البيانات قبل التوليف.
6. التوليف: دمج البيانات من مصادر متعددة وبناء السياق.
7. تخطيط التحليل: تقسيم المهام للتصور والتحليل المدفوع بالذكاء الاصطناعي.
8. وكيل التصور: توليد الرسوم البيانية ولوحات المعلومات.
9. وكيل التحليل المدفوع بالذكاء الاصطناعي: الكشف عن الشذوذ والرؤى التنبؤية.
10. تجميع التقارير: التوليف النهائي للرؤى والتنسيق.
11. استمرارية النقاط المرجعية: أرشفة حالة الجلسة.
12. الأسئلة المقترحة: توليد متابعة ديناميكية.

التقنية المستخدمة

• الأساسية: Python 3.10+، FastAPI، Pydantic، React.
• الواجهة الأمامية: React، JavaScript أو TypeScript، لوحات البيانات، واجهات المستخدم المدفوعة بالـ API.
• أطر الوكالة: LangGraph، LangChain، LangFuse، Deep Agents.
• البيانات: Snowflake، Neo4j، ChromaDB، PostgreSQL للنقاط المرجعية، Redis للتخزين المؤقت.
• السحاب: خدمات Azure AI أو AWS Bedrock، تخزين Blob، وخدمات الحوسبة.
• DevOps: Docker، Kubernetes، GitHub Actions أو GitLab CI.
• المراقبة: LangFuse، Prometheus، والتسجيل المنظم.

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.
• الكشف عن الشذوذ في الوقت الفعلي والتنبيه الاستباقي.
• قدرات المساعد الذكي الموجهة للمستخدم لفرق التصنيع التي تسأل أسئلة معقدة وتتلقى إجابات مركبة.

لماذا هذه الوظيفة فريدة

• عمق فني وعرضي: العمل عبر التفكير النظامي، والترميز العملي، وPython، وReact، والتنفيذ الكامل، والذكاء الاصطناعي الوكيل.
• تكنولوجيا ناشئة: العمل مع أطر الوكالة المتطورة قبل أن تصبح سائدة.
• أثر حقيقي: بناء أنظمة تدعم قرارات التصنيع في بيئة صناعة الأدوية الكبيرة.
• هندسة تعاونية: العمل عن كثب مع مهندسي الذكاء الاصطناعي، وفرق البيانات، والمتخصصين في المجال على أنظمة ذات جودة إنتاج.
• ثقافة الابتكار: المساعدة في إنشاء أفضل الممارسات العملية في أنظمة الذكاء الاصطناعي الوكيل لعمليات الأدوية.

الكفاءات والعقلية

عقلية فنية

• مفكر نظام: فهم كيفية تفاعل المكونات وتوقع أوضاع الفشل.
• براغماتي: اختيار التوازن المناسب بين البساطة والأداء وقابلية التوسع.
• متعلم مستمر: الراحة في مواكبة تطور مشهد الذكاء الاصطناعي الوكيل بسرعة.
• الجودة أولاً: إعطاء الأولوية للموثوقية والمتانة للأنظمة الإنتاجية.

مهارات التواصل

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