مهندس تعلم الآلة

الأدوار والمسؤوليات

نحن نبحث عن محترف ماهر يتمتع بخبرة في هندسة التعلم الآلي (MLE Level II) وعلوم البيانات (Level II) للانضمام إلى فريق الذكاء الاصطناعي وعلوم البيانات في Property Finder. سيركز هذا الدور على تطوير ونشر حلول الذكاء الاصطناعي المتقدمة باستخدام الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة (LLMs) والنماذج القائمة على المحولات لدفع التخصيص والأتمتة والابتكار عبر منصاتنا. سيكون لدى المرشح المثالي أساس قوي في التعلم الآلي وخبرة عملية في هياكل المحولات والقدرة على التعاون عبر الفرق لتقديم حلول فعّالة مدفوعة بالذكاء الاصطناعي.

انضم إلى فريق متقدم في طليعة الابتكار، يعمل على مشاريع متطورة تستفيد من GenAI ونماذج اللغة الكبيرة (LLMs) لتحويل تجربة العقارات. كن جزءًا من بيئة تعاونية وديناميكية تقدر التعلم المستمر والتميز الفني والعمل الجماعي. مع التعرض لتقنيات الذكاء الاصطناعي المتقدمة والمشاريع الصعبة، ستتاح لك الفرصة للنمو مهنيًا وإحداث تأثير مفيد في صناعة متطورة باستمرار.

المسؤوليات الرئيسية

فهم عميق ومعرفة عملية بهندسة التعلم العميق والشبكات العصبية
تصميم وضبط ونشر نماذج اللغة الكبيرة (LLMs) والنماذج التوليدية المصممة خصيصًا لاحتياجات العمل.

تطوير التطبيقات باستخدام هياكل قائمة على المحولات مثل GPT أو BERT أو T5 أو أطر عمل مماثلة.

تنفيذ حالات الاستخدام في التخصيص وإنشاء المحتوى وأتمتة سير العمل باستخدام الذكاء الاصطناعي التوليدي.

تحسين أداء LLM للاستدلال في بيئات الإنتاج في الوقت الفعلي أو على نطاق واسع.

إجراء البحوث والتجارب لتحديد التحسينات في تطبيقات GenAI وLLM.

بناء وصيانة خطوط أنابيب التعلم الآلي القابلة للتطوير لنشر LLMs والنماذج التوليدية بكفاءة.

تطوير سير العمل لضبط نماذج المحولات وتقديمها في الإنتاج.

أتمتة عملية النشر باستخدام أدوات MLOps (على سبيل المثال، Kubernetes وMLflow وDocker).
تحسين خطوط أنابيب البيانات وعمليات هندسة الميزات لدعم النماذج القائمة على المحولات.
بناء وتنفيذ نماذج التعلم الآلي للتحليل التنبئي والتخصيص.
التعاون مع فرق متعددة الوظائف لتوليد رؤى قابلة للتنفيذ ودعم استراتيجيات العمل.
إجراء معالجة البيانات وهندسة الميزات والتحليل الإحصائي المتقدم.
تصميم وتقييم التجارب (على سبيل المثال، اختبار A/B) للتحقق من صحة أداء النموذج.
الشراكة مع فريق GenAI لمواءمة تطوير النموذج مع أهداف العمل.
العمل بشكل وثيق مع فرق MLE وعلوم البيانات لضمان التكامل السلس لـ LLMs والحلول التوليدية في سير عمل الإنتاج.
التعاون مع فريق Futurism لاستكشاف تطبيقات الذكاء الاصطناعي المتطورة والفرص المتاحة لـ LLMs.

الملف الشخصي المرغوب للمرشح

بكالوريوس أو ماجستير في علوم الكمبيوتر أو التعلم الآلي أو علوم البيانات أو مجال ذي صلة.
خبرة لا تقل عن عامين في أدوار هندسة التعلم الآلي وعلوم البيانات، مع خبرة عملية لا تقل عن عامين في المحولات ونماذج التعلم الآلي والنماذج التوليدية.
إتقان ضبط نماذج المحولات ونشرها (على سبيل المثال، GPT وBERT وT5).
الإلمام بأدوات مثل محولات Hugging Face وواجهات برمجة تطبيقات OpenAI وLangChain.
الخبرة في الهندسة السريعة والضبط الدقيق لمجال محدد لنماذج التعلم الآلي.
معرفة آليات الانتباه والنمذجة من تسلسل إلى تسلسل.
خبرة قوية في خطوط أنابيب التعلم الآلي وأدوات MLOps (على سبيل المثال، Kubernetes وDocker وMLflow).
مهارات برمجة SQL وPython المتقدمة.
الإلمام بمنصات السحابة (AWS وGCP وAzure) للنشر القابل للتطوير.
خبرة متوسطة في خوارزميات التعلم الخاضعة للإشراف وغير الخاضعة للإشراف.
إتقان التعامل مع البيانات وهندسة الميزات.
معرفة التحليل الإحصائي واختبار الفرضيات.
قدرات تحليلية قوية وحل المشكلات.
مهارات اتصال فعالة للتعاون مع فرق متعددة الوظائف.
القدرة على التكيف مع العمل في بيئة ديناميكية سريعة الخطى.