في المكتب دوام كامل
talabat -
الإمارات , دبي
--
talabat

تفاصيل الوظيفة

عن وحدة الذكاء الاصطناعي التطبيقي

تُعد وحدة الذكاء الاصطناعي التطبيقي المحرك الداخلي للذكاء الاصطناعي في talabat، وهي فريق مهووس بتحويل أحدث تقنيات الذكاء الاصطناعي إلى قيمة تجارية حقيقية وملموسة. نحن لا نبني الذكاء الاصطناعي من أجل بنائه فقط، بل هدفنا الأساسي هو القيمة الصافية الناتجة عن الذكاء الاصطناعي.

لقد أطلقنا أكثر من 40 منتجًا تعمل بالذكاء الاصطناعي عبر أربعة مسارات استراتيجية:

- منصة المنتجات والتقنية - قدرات الذكاء الاصطناعي المدمجة في منتجات talabat ومنصة الهندسة الأساسية.

- أتمتة الأعمال - سير عمل مبسط يوفر الوقت والمال بشكل حقيقي عبر العمليات التشغيلية.

- أدوات الذكاء الاصطناعي ذاتية الخدمة - تمكين موظفي talabat من بناء واستخدام الذكاء الاصطناعي دون الحاجة إلى تقديم طلبات دعم.

- التدريب والتأهيل - صقل مهارات الفريق حتى يتمكن كل قسم من المشاركة في عصر الذكاء الاصطناعي.

نهجنا الهندسي مبني على إطلاق أنظمة الذكاء الاصطناعي الوكيلة (Agentic AI) على نطاق واسع، مع فلسفة تعتمد على أدوات التقييم أولاً، ودمج التقييم في كل مرحلة من مراحل المنتج، وحلقات تغذية راجعة من بيئة الإنتاج توجه خارطة الطريق.

الدور الوظيفي

بصفتك مديراً لعلماء البيانات - الذكاء الاصطناعي ضمن وحدة الذكاء الاصطناعي التطبيقي، ستقود فريقاً من علماء البيانات لبناء وإطلاق أنظمة تعلم الآلة والذكاء الاصطناعي التوليدي التي تدعم اتخاذ القرارات عبر منتجات talabat وأعمالها. أنت قائد للأفراد وممارس تقني في آن واحد، قريب بما يكفي من العمل لاتخاذ قرارات تقنية ممتازة وتطوير فريقك، مع تحمل مسؤولية خارطة الطريق والتسليم.

يمتد عمل فريقك عبر دورة حياة الذكاء الاصطناعي الكاملة: بدءاً من صياغة مشكلات الأعمال الغامضة من خلال نمذجة البيانات، وهندسة الميزات، وتدريب النماذج، والنشر، ومراقبة بيئة الإنتاج. سيكون التركيز كبيراً على الاستفادة من النماذج اللغوية الكبيرة (LLMs)، والأنظمة الوكيلة، والذكاء الاصطناعي التوليدي لأتمتة القرارات، وإثراء البيانات، وبناء تجارب ذكية على نطاق واسع، وكل ذلك يُقاس مقابل القيمة الصافية الناتجة عن الذكاء الاصطناعي.

ما هي مسؤولياتك؟

قيادة الأفراد:

- قيادة وتطوير والحفاظ على فريق من علماء البيانات، مع وضع معايير عالية للجودة التقنية، وتعزيز ثقافة الملكية، ودعم التطوير المهني لكل فرد.

- الشراكة مع فريق التوظيف لجذب أفضل المواهب في علم البيانات وتعلم الآلة مع توسع الوحدة.

- توجيه أعضاء الفريق في أفضل ممارسات تعلم الآلة، وتصميم الأنظمة الوكيلة، وهندسة الإنتاج، والتواصل مع أصحاب المصلحة.

- إدارة طقوس الفريق الفعالة، والتخطيط، ومراجعات التصميم، والاجتماعات الاسترجاعية، للحفاظ على توافق الفريق وسرعة إنجازه.

الاستراتيجية التقنية والتسليم:

- تحويل مشكلات الأعمال الغامضة إلى حلول واضحة في تعلم الآلة والذكاء الاصطناعي مع معايير نجاح قابلة للقياس مرتبطة بهدف الوحدة الأساسي.

- امتلاك خارطة الطريق التقنية للفريق: تحديد أولويات العمل عالي التأثير عبر إثراء البيانات، وأتمتة الأعمال، والأدوات ذاتية الخدمة، وميزات المنتجات الوكيلة.

- تبني تفكير "التقييم أولاً"، والتأكد من وجود خطوط أنابيب التقييم، وقابلية مراقبة النماذج اللغوية الكبيرة، والأدوات، والبنية التحتية قبل بناء منطق الوكيل فوقها.

- دمج التقييم في كل مرحلة من مراحل المنتج: مجموعات بيانات ذهبية، ومقاييس متوافقة مع أصحاب المصلحة، ومهام تقييم أسبوعية توجه ما يتم بناؤه أو إصلاحه أو إيقافه.

- الإشراف على دورة حياة تعلم الآلة الكاملة: خطوط أنابيب البيانات، وهندسة الميزات، وتدريب النماذج، والنشر في بيئة الإنتاج، والخدمة، والمراقبة.

- دفع عجلة اعتماد النماذج اللغوية الكبيرة والذكاء الاصطناعي التوليدي لإثراء البيانات، وفهم المحتوى بذكاء، واتخاذ القرارات المؤتمتة على نطاق واسع.

- تصميم وتحليل التجارب (A/B والاختبارات متعددة المتغيرات) لقياس تأثير النموذج والمنتج بدقة.

- رفع معايير تعلم الآلة والهندسة عبر الفريق، وتحسين عمليات تعلم الآلة (MLOps)، وجودة الكود، والأدوات، وبرامج التعلم الداخلية.

الشراكة بين الوظائف:

- الشراكة مع مديري المنتجات وفرق العمل لتحديد فرص الذكاء الاصطناعي ذات القيمة العالية وصياغتها ضمن خارطة طريق الفريق.

- التواصل بوضوح مع كبار أصحاب المصلحة، بدءاً من صياغة المشكلة وصولاً إلى النتائج والتوصيات.

- التعاون مع الفرق الهندسية لفهم أنظمة البيانات، وبناء نماذج بيانات موثوقة، وضمان تكامل سلس في بيئة الإنتاج.

ملف المرشح المطلوب

ما الذي نبحث عنه؟

الخبرة التقنية

- خبرة عميقة في تعلم الآلة، والذكاء الاصطناعي التوليدي، والتعلم العميق، ومعالجة اللغات الطبيعية (NLP)، وأنظمة التوصية، والتنقيب في البيانات.

- معرفة عملية بأطر عمل تعلم الآلة والذكاء الاصطناعي التوليدي: Scikit-learn، XGBoost، LightGBM، PyTorch، TensorFlow، Transformers، وضبط النماذج اللغوية الكبيرة (LLM fine-tuning).

- إتقان استخدام OpenAI SDK والإلمام بواجهات برمجة التطبيقات لمزودي النماذج اللغوية الكبيرة الرئيسيين لبناء وتنسيق أنظمة الذكاء الاصطناعي في بيئة الإنتاج.

- خبرة عملية في LangGraph لبناء سير عمل وكيل ذو حالة ومتعدد الخطوات وأنماط تنسيق وكيل معقدة.

- خبرة في Hugging Face (Transformers, Hub, Inference API) لتوفير النماذج، والضبط الدقيق، والنشر.

- فهم قوي للتضمينات (embeddings)، والاسترجاع الكثيف والمتفرق، وقواعد بيانات المتجهات، والبحث الدلالي، لبناء خطوط أنابيب RAG والتطبيقات القائمة على التشابه.

- أساسيات قوية في هندسة البرمجيات: كود إنتاج نظيف، هياكل البيانات والخوارزميات، وتصميم أنظمة تعلم الآلة.

- خبرة مثبتة في إطلاق ومراقبة نماذج تعلم الآلة في بيئة الإنتاج، مع فهم قوي لممارسات MLOps.

- مهارات قوية في هندسة البيانات وتعلم الآلة: بناء وتنسيق خطوط أنابيب البيانات (مثل Airflow) وهندسة الميزات القوية.

- إتقان ممتاز للغة SQL وPython؛ وأسس إحصائية صلبة تشمل تصميم التجارب، والاستدلال السببي، والأساليب التنبؤية.

- الإلمام بتصميم الأنظمة الوكيلة (تفكير التقييم أولاً، قابلية مراقبة النماذج اللغوية الكبيرة، خطوط أنابيب التقييم، وحلقات التغذية الراجعة للإنتاج) يعتبر ميزة قوية.

- الخبرة في BigQuery ومنصة Google Cloud هي ميزة إضافية.

المؤهلات

- درجة البكالوريوس في الهندسة، أو علوم الحاسوب، أو مجال ذي صلة. الحصول على شهادة الدراسات العليا ميزة إضافية.

- أكثر من 6 سنوات من الخبرة في علم البيانات، أو هندسة تعلم الآلة، و/أو الذكاء الاصطناعي التوليدي، بما في ذلك إطلاق النماذج في بيئة الإنتاج.

- أكثر من سنتين في إدارة أو قيادة فريق علم بيانات أو تعلم آلة، مع سجل حافل في تطوير المواهب والتسليم من خلال الآخرين.

- الخبرة في بناء أنظمة تعلم الآلة في بيئة منتجات المستهلك عبر الإنترنت ميزة قوية.

انضم لقناتنا على تيليجرام تابع أحدث الوظائف فور نشرها انضم

وظائف مشابهة

talabat
مدير هندسة - الذكاء الاصطناعي التطبيقي
حول talabat
الإمارات, دبي
برامج الكمبيوتر