المسمى الوظيفي: مهندس MLOps ومنصة الذكاء الاصطناعي
المسمى الوظيفي: مهندس MLOps ومنصة الذكاء الاصطناعي
الخبرة: 3 إلى 11 سنة
الموقع: الرياض - حضور في الموقع
نوع التوظيف: دوام كامل
نظرة عامة على الوظيفة
نبحث عن مهندس MLOps ومنصة ذكاء اصطناعي متمرس يتمتع بخبرة تتراوح بين 3 و11 عامًا لبناء وأتمتة وإدارة منصات تعلم آلي قابلة للتوسع وبيئات ذكاء اصطناعي إنتاجية. يجب أن يتمتع المرشح المثالي بخبرة عملية في MLOps وKubernetes والبنية التحتية السحابية للذكاء الاصطناعي وأتمتة CI/CD وإدارة دورة حياة النماذج. سيكون المرشح مسؤولاً عن تمكين علماء البيانات ومهندسي الذكاء الاصطناعي من تطوير ونشر ومراقبة وصيانة نماذج التعلم الآلي بكفاءة على نطاق واسع.
المسؤوليات الرئيسية
- تصميم وبناء وصيانة منصات MLOps وبنية تحتية للذكاء الاصطناعي بمستوى المؤسسات.
- تطوير وأتمتة خطوط أنابيب التعلم الآلي الشاملة للتدريب والتحقق والنشر والمراقبة.
- تنفيذ حلول إصدار النماذج وتتبع التجارب وسجل النماذج.
- بناء خطوط أنابيب CI/CD قابلة للتوسع لأحمال عمل الذكاء الاصطناعي/التعلم الآلي.
- نشر وإدارة أحمال عمل التعلم الآلي في بيئات قائمة على Kubernetes.
- التعاون مع علماء البيانات ومهندسي الذكاء الاصطناعي ومهندسي البيانات وفرق DevOps لتشغيل حلول التعلم الآلي.
- تنفيذ البنية التحتية كرمز (IaC) لمنصات الذكاء الاصطناعي السحابية.
- مراقبة صحة المنصة وأداء النماذج وتوافر البنية التحتية.
- ضمان أمان المنصة وقابلية التوسع والموثوقية والتميز التشغيلي.
- استكشاف مشكلات الإنتاج وإصلاحها وتحسين أداء المنصة باستمرار.
المهارات التقنية المطلوبة
منصات MLOps
- خبرة عملية مع Kubeflow أو Vertex AI Pipelines أو SageMaker Pipelines.
- خبرة قوية مع MLflow لتتبع التجارب وسجل النماذج وإدارة دورة الحياة.
- خبرة في تنسيق سير عمل التعلم الآلي باستخدام Apache Airflow.
الحاويات والتنسيق
- خبرة قوية في Kubernetes (GKE أو AKS أو EKS).
- خبرة في نشر وإدارة أحمال عمل الذكاء الاصطناعي/التعلم الآلي المعبأة في حاويات في البيئات السحابية.
أتمتة البنية التحتية
- خبرة عملية مع Terraform للبنية التحتية كرمز (IaC).
- خبرة في أتمتة توفير البنية التحتية وإدارة الموارد السحابية.
CI/CD وDevOps
- خبرة مع GitHub Actions لأتمتة CI/CD.
- معرفة بأفضل ممارسات DevOps وسير عمل Git والنشر الآلي.
المراقبة والرصد
- خبرة في استخدام Prometheus لمراقبة البنية التحتية والتطبيقات.
- معرفة بتسجيل الدخول والتنبيهات ومراقبة الأداء لمنصات الذكاء الاصطناعي.
المؤهلات
- درجة البكالوريوس في علوم الحاسوب أو هندسة البرمجيات أو الذكاء الاصطناعي أو تكنولوجيا المعلومات أو مجال ذي صلة.
- 3 إلى 11 عامًا من الخبرة المهنية في MLOps أو DevOps أو هندسة المنصات أو الهندسة السحابية أو البنية التحتية للذكاء الاصطناعي.
- مهارات قوية في كتابة البرامج النصية والأتمتة باستخدام Python أو Bash أو لغات مماثلة.
- مهارات تحليلية وحل مشكلات ممتازة.
- خبرة في العمل في بيئات Agile/Scrum.
المهارات المفضلة
- خبرة مع Docker ونشر التطبيقات المعبأة في حاويات.
- معرفة بالمنصات السحابية مثل AWS أو Microsoft Azure أو Google Cloud Platform.
- الإلمام بمراقبة النماذج واكتشاف الانحراف وخطوط أنابيب إعادة التدريب الآلية.
- خبرة في تنفيذ أفضل ممارسات الأمان لمنصات الذكاء الاصطناعي/التعلم الآلي.
- الشهادات السحابية وKubernetes تعتبر ميزة إضافية.
حزمة التقنيات الرئيسية
منصات MLOps: Kubeflow أو Vertex AI Pipelines أو SageMaker Pipelines
تنسيق سير العمل: Apache Airflow وMLflow
تنسيق الحاويات: Kubernetes (GKE أو AKS أو EKS)
البنية التحتية كرمز: Terraform
CI/CD: GitHub Actions
المراقبة: Prometheus
المنصات السحابية: Google Cloud Platform أو Microsoft Azure أو Amazon Web Services (مفضل)
الأتمتة: Python وBash (مفضل)
درجة البكالوريوس في علوم الحاسوب أو هندسة البرمجيات أو الذكاء الاصطناعي أو تكنولوجيا المعلومات أو مجال ذي صلة.
3 إلى 11 عامًا من الخبرة المهنية في MLOps أو DevOps أو هندسة المنصات أو الهندسة السحابية أو البنية التحتية للذكاء الاصطناعي.
مهارات قوية في كتابة البرامج النصية والأتمتة باستخدام Python أو Bash أو لغات مماثلة.
مهارات تحليلية وحل مشكلات ممتازة.
خبرة في العمل في بيئات Agile/Scrum.
المهارات المفضلة
- خبرة مع Docker ونشر التطبيقات المعبأة في حاويات.
- معرفة بالمنصات السحابية مثل AWS أو Microsoft Azure أو Google Cloud Platform.
- الإلمام بمراقبة النماذج واكتشاف الانحراف وخطوط أنابيب إعادة التدريب الآلية.
- خبرة في تنفيذ أفضل ممارسات الأمان لمنصات الذكاء الاصطناعي/التعلم الآلي.
- الشهادات السحابية وKubernetes تعتبر ميزة إضافية.
