ML Engineer

تعتبر وظيفة مهندس التعلم الآلي فرصة مهنية مميزة، حيث يتمتع المرشح المثالي بمهارات عالية لتصميم وبناء ونشر وتوسيع نماذج التعلم الآلي التي تدعم المنتجات المعتمدة على البيانات والأنظمة الذكية. يجمع هذا الدور بين علوم البيانات والهندسة البرمجية وعمليات التعلم الآلي، ويتطلب خبرة عملية قوية في تحويل النماذج إلى حلول جاهزة للإنتاج، بالإضافة إلى مهارات برمجية في بايثون أو R.

تشمل المهام والمسؤوليات الرئيسية ما يلي:

• تصميم وتطوير وتدريب وتحسين نماذج التعلم الآلي لتطبيقات حقيقية أو حالات استخدام معينة.
• تحويل متطلبات العمل والمنتجات إلى حلول تعلم آلي/ذكاء اصطناعي قابلة للتوسع.
• تنفيذ تقنيات هندسة الميزات واختيار النماذج وضبطها وتقييمها.
• تطوير ونشر نماذج التعلم الآلي في بيئات الإنتاج مع ضمان توافرية عالية وأداء متميز.
• بناء وصيانة خطوط أنابيب التعلم الآلي (التدريب، التحقق، النشر، المراقبة).
• مراقبة أداء النماذج، وتغير البيانات، وتدهور النماذج؛ وإعادة تدريب النماذج حسب الحاجة.
• ضمان أن النماذج تلبي معايير الموثوقية والقابلية للتوسع والأمان.
• التعاون الوثيق مع علماء البيانات ومديري المنتجات ومهندسي البرمجيات.

أما بالنسبة للمتطلبات والمؤهلات، فهي تشمل:

• خبرة عملية تتراوح بين 3-7 سنوات في مجالات التعلم الآلي أو الذكاء الاصطناعي التطبيقي.
• مهارات برمجية قوية في بايثون (و/أو جافا، سكالّا).
• فهم عميق لخوارزميات التعلم الآلي (المشرف، غير المشرف، التعلم العميق).
• خبرة في استخدام أطر العمل مثل TensorFlow وPyTorch وScikit-learn.
• خبرة في نشر النماذج باستخدام Docker وKubernetes أو خدمات التعلم الآلي السحابية.
• معرفة قوية بهياكل البيانات والخوارزميات ومبادئ هندسة البرمجيات.

المهارات المطلوبة تشمل:

• القدرة على حل المشكلات والتفكير التحليلي.
• التفكير الموجه نحو الإنتاج والقرارات المعتمدة على البيانات.
• مهارات عالية في التعاون والتواصل.
• خبرة في العمل ضمن فرق متعددة التخصصات وأسلوب العمل المرن.
• معرفة بتقنيات البيانات الكبيرة (مثل Spark، Kafka، Databricks) وخلفية في معالجة اللغة الطبيعية أو الرؤية الحاسوبية أو الذكاء الاصطناعي التوليدي.