نبحث عن مهندس/معماري MLOps ذي خبرة لتصميم وبناء وتشغيل منصات عمليات تعلم الآلة (MLOps) على مستوى المؤسسات. سيقوم المرشح المثالي بتعريف وتشغيل منصات تعلم آلة قابلة للتوسع مع أتمتة دورة حياة تعلم الآلة بالكامل، بما في ذلك إعداد البيانات، وتدريب النماذج، وإدارة الإصدارات، والنشر، والمراقبة، والحوكمة، وإعادة التدريب التلقائية. يتطلب الدور خبرة في MLOps السحابية الأصلية، وKubernetes، وأتمتة CI/CD، والبنية التحتية كرمز (IaC)، وهندسة منصات الذكاء الاصطناعي المؤسسية لتمكين حلول ذكاء اصطناعي إنتاجية موثوقة وآمنة وقابلة للتوسع.
المسؤوليات الرئيسية
- تصميم وتنفيذ بنية MLOps مؤسسية تدعم دورة حياة تعلم الآلة بالكامل.
- بناء خطوط أنابيب تعلم آلة آلية لاستيعاب البيانات، وهندسة الميزات، وتدريب النماذج، والتحقق، والنشر، والمراقبة.
- تطوير خطوط أنابيب CI/CD قابلة للتوسع لنماذج تعلم الآلة وتطبيقات الذكاء الاصطناعي.
- إدارة إصدارات النماذج، وتتبع التجارب، وسجل النماذج، وإدارة القطع الأثرية.
- نشر أعباء عمل تعلم الآلة على بيئات قائمة على Kubernetes مع توفر عالٍ وقابلية للتوسع.
- تنفيذ مراقبة آلية للنماذج، واكتشاف الانحراف، وتتبع الأداء، والتنبيهات.
- تصميم خطوط أنابيب إعادة تدريب تلقائية بناءً على أداء النموذج وانحراف البيانات.
- توحيد حوكمة منصة تعلم الآلة، والأمن، وقابلية إعادة الإنتاج، وأفضل الممارسات التشغيلية.
- التعاون مع علماء البيانات، ومهندسي البيانات، ومهندسي الذكاء الاصطناعي، وفرق DevOps، وفرق السحابة لتسريع تسليم حلول الذكاء الاصطناعي.
- تحسين استخدام البنية التحتية، وأتمتة النشر، وموثوقية المنصة.
- تطوير البنية التحتية كرمز (IaC) لمنصات الذكاء الاصطناعي السحابية.
- إنشاء مراقبة مؤسسية، وتسجيل، وقابلية مراقبة، واستجابة للحوادث لأعباء عمل تعلم الآلة.
- توثيق بنية المنصة، والمعايير التشغيلية، وإجراءات النشر، وعمليات الاسترداد.
المهارات التقنية المطلوبة
- منصات MLOps: Kubeflow أو Vertex AI Pipelines أو SageMaker Pipelines أو MLflow
- تنسيق سير العمل: Apache Airflow
- الحاويات والتنسيق: Kubernetes (GKE أو AKS أو EKS)
- البنية التحتية كرمز: Terraform
- CI/CD وDevOps: GitHub Actions وGit وخطوط أنابيب CI/CD
- المراقبة وقابلية المراقبة: Prometheus ومراقبة النماذج واكتشاف الانحراف
- البرمجة: Python وBash
- المنصات السحابية: Google Cloud Platform (GCP) أو Microsoft Azure أو Amazon Web Services (AWS)
- التحكم في الإصدارات والأتمتة: GitHub أو GitLab أو Azure DevOps
المسؤوليات حسب مستوى الخبرة
- 0-3 سنوات: دعم نشر ومراقبة نماذج تعلم الآلة. بناء وصيانة خطوط أنابيب تعلم الآلة تحت إشراف كبار المهندسين. المساعدة في تنفيذ CI/CD وأتمتة المنصة. تعلم Kubernetes والمنصات السحابية والبنية التحتية كرمز.
- 3-6 سنوات: تطوير خطوط أنابيب MLOps بجودة إنتاجية. تنفيذ إدارة إصدارات النماذج والمراقبة وأتمتة النشر. إدارة أعباء عمل تعلم الآلة القائمة على Kubernetes. بناء البنية التحتية كرمز باستخدام Terraform. تحسين موثوقية المنصة والكفاءة التشغيلية.
- 6-9 سنوات: قيادة تنفيذات MLOps المؤسسية. تصميم منصات ذكاء اصطناعي قابلة للتوسع عبر البيئات السحابية. توحيد عمليات CI/CD والحوكمة والمراقبة والتشغيل. إرشاد المهندسين المبتدئين والتعاون عبر فرق الهندسة.
- 9-12+ سنة: امتلاك استراتيجية MLOps المؤسسية وبنية المنصة. تحديد المعايير لهندسة منصات الذكاء الاصطناعي وأتمتة دورة الحياة. قيادة مبادرات تحديث منصات الذكاء الاصطناعي واسعة النطاق. قيادة الحوكمة والأمن وقابلية التوسع والتميز التشغيلي. تقديم القيادة التقنية عبر فرق هندسة الذكاء الاصطناعي والسحابة المؤسسية.
الشهادات المفضلة
- يُفضل بشدة الحصول على واحدة أو أكثر من الشهادات التالية: Certified Kubernetes Administrator (CKA)، أو Kubeflow Certified Professional، أو Google Professional Machine Learning Engineer، أو MLflow Certification، أو Databricks Certified MLOps Professional.
المخرجات المتوقعة
- وثيقة بنية MLOps المؤسسية
- خط أنابيب تعلم آلة CI/CD شامل
- سجل نماذج إنتاجي
- إطار مراقبة انحراف النماذج والتنبيه
- خط أنابيب إعادة تدريب تلقائي
- مستودع البنية التحتية كرمز (Terraform)
- قوالب نشر Kubernetes
- دليل تشغيل منصة تعلم الآلة
- إطار حوكمة دورة حياة النماذج
- لوحة مراقبة وقابلية مراقبة
المؤهلات المفضلة
- درجة البكالوريوس أو الماجستير في علوم الحاسوب، أو هندسة البرمجيات، أو الذكاء الاصطناعي، أو علوم البيانات، أو مجال ذي صلة.
- فهم قوي لإدارة دورة حياة تعلم الآلة وأنظمة الذكاء الاصطناعي الإنتاجية.
- خبرة في تصميم منصات ذكاء اصطناعي سحابية أصلية باستخدام Kubernetes والبنية التحتية كرمز.
- مهارات ممتازة في حل المشكلات والتعاون والقيادة التقنية.
- القدرة على العمل في بيئات مؤسسية واسعة النطاق ومتعددة الوظائف ورشيقة.
المسؤوليات حسب مستوى الخبرة
- 0-3 سنوات: دعم نشر ومراقبة نماذج تعلم الآلة. بناء وصيانة خطوط أنابيب تعلم الآلة تحت إشراف كبار المهندسين. المساعدة في تنفيذ CI/CD وأتمتة المنصة. تعلم Kubernetes والمنصات السحابية والبنية التحتية كرمز.
- 3-6 سنوات: تطوير خطوط أنابيب MLOps بجودة إنتاجية. تنفيذ إدارة إصدارات النماذج والمراقبة وأتمتة النشر. إدارة أعباء عمل تعلم الآلة القائمة على Kubernetes. بناء البنية التحتية كرمز باستخدام Terraform. تحسين موثوقية المنصة والكفاءة التشغيلية.
- 6-9 سنوات: قيادة تنفيذات MLOps المؤسسية. تصميم منصات ذكاء اصطناعي قابلة للتوسع عبر البيئات السحابية. توحيد عمليات CI/CD والحوكمة والمراقبة والتشغيل. إرشاد المهندسين المبتدئين والتعاون عبر فرق الهندسة.
- 9-12+ سنة: امتلاك استراتيجية MLOps المؤسسية وبنية المنصة. تحديد المعايير لهندسة منصات الذكاء الاصطناعي وأتمتة دورة الحياة. قيادة مبادرات تحديث منصات الذكاء الاصطناعي واسعة النطاق. قيادة الحوكمة والأمن وقابلية التوسع والتميز التشغيلي. تقديم القيادة التقنية عبر فرق هندسة الذكاء الاصطناعي والسحابة المؤسسية.
الشهادات المفضلة
- يُفضل بشدة الحصول على واحدة أو أكثر من الشهادات التالية: Certified Kubernetes Administrator (CKA)، أو Kubeflow Certified Professional، أو Google Professional Machine Learning Engineer، أو MLflow Certification، أو Databricks Certified MLOps Professional.
المخرجات المتوقعة
- وثيقة بنية MLOps المؤسسية
- خط أنابيب تعلم آلة CI/CD شامل
- سجل نماذج إنتاجي
- إطار مراقبة انحراف النماذج والتنبيه
- خط أنابيب إعادة تدريب تلقائي
- مستودع البنية التحتية كرمز (Terraform)
- قوالب نشر Kubernetes
- دليل تشغيل منصة تعلم الآلة
- إطار حوكمة دورة حياة النماذج
- لوحة مراقبة وقابلية مراقبة
المؤهلات المفضلة
- درجة البكالوريوس أو الماجستير في علوم الحاسوب، أو هندسة البرمجيات، أو الذكاء الاصطناعي، أو علوم البيانات، أو مجال ذي صلة.
- فهم قوي لإدارة دورة حياة تعلم الآلة وأنظمة الذكاء الاصطناعي الإنتاجية.
- خبرة في تصميم منصات ذكاء اصطناعي سحابية أصلية باستخدام Kubernetes والبنية التحتية كرمز.
- مهارات ممتازة في حل المشكلات والتعاون والقيادة التقنية.
- القدرة على العمل في بيئات مؤسسية واسعة النطاق ومتعددة الوظائف ورشيقة.
