مطور خلفي رئيسي

هذه الوظيفة لأحد عملاء ويك داي نطاق الراتب: 4500000 - 8500000 روبية (أي 45-85 ل.ب.س) الحد الأدنى من الخبرة: 6 سنوات الموقع: بنغالور نوع الوظيفة: دوام كامل كمطور خلفي رئيسي، سيتم تصميم وبناء وتحسين أنظمة خلفية عالية الأداء تدعم منصات الذكاء الاصطناعي الموزعة على نطاق واسع.
سيتم العمل بشكل وثيق مع مهندسي التعلم الآلي وفرق المنصة ومجموعات البنية التحتية لنشر خدمات مدفوعة بالذكاء الاصطناعي، وتوسيع سير العمل الذكي، وخدمة النماذج بكفاءة عبر بيئات متنوعة.
هذه الوظيفة مركزية لبناء أنظمة ذكاء اصطناعي قوية وقابلة للتشغيل المتبادل وقابلة للتكيف على نطاق واسع.
المسؤوليات الأساسية تصميم وتطوير وصيانة خدمات خلفية، وخدمات صغيرة، وواجهات برمجة التطبيقات باستخدام غولان تصميم وتشغيل أنظمة موزعة تدعم أحمال العمل العالية من الذكاء الاصطناعي والبيانات الشراكة مع مهندسي التعلم الآلي لدمج النماذج المدربة في بيئات إنتاجية قابلة للتوسع بناء وإدارة أنابيب الاستدلال في الوقت الحقيقي والدفعات لتطبيقات مدفوعة بالذكاء الاصطناعي المساهمة في سير العمل DevOps وMLOps، بما في ذلك أتمتة CI/CD، والمراقبة، والرؤية، والتوسع التلقائي ضمان موثوقية النظام، والأداء، والتوافر، والأمان عبر النشر تحسين الأدوات الداخلية، وبنية تقديم النماذج، وكفاءة النظام العامة تقديم القيادة التقنية من خلال مراجعات التصميم، والقرارات المعمارية، وأفضل الممارسات المهارات والمؤهلات خبرة عملية قوية في بناء أنظمة الإنتاج باستخدام غولان فهم عميق للأنظمة الموزعة، والتزامن، وبرمجة الشبكات إلمام بأطر التعلم الآلي مثل بايتورتش، وتنسورفلو، أو جاكس خبرة في منصات تقديم النماذج مثل خادم الاستدلال تريتون، أو تورتش سيرف، أو ONNX Runtime، أو راي سيرف إتقان في الحاويات والتنظيم باستخدام دوكر وكوبيرنيتس خبرة في أدوات MLOps مثل MLflow، وWeights & Biases، وكوبفلو، أو Airflow معرفة قوية بالمنصات السحابية (AWS، GCP، Azure) وممارسات البنية التحتية ككود خبرة في قواعد البيانات SQL وNoSQL، وأنظمة التخزين المؤقت (مثل Redis)، وأنظمة الرسائل (Kafka، RabbitMQ) إتقان في Git وتدفقات العمل الحديثة في GitHub/GitLab درجة بكاليوس في علوم الحاسوب، أو الهندسة، أو مجال ذي صلة هو ميزة إضافية ما يفضل الخبرة في العمل مع نماذج اللغة الكبيرة أو بنى نماذج الأساس إلمام بقواعد البيانات المتجهة مثل FAISS، وPinecone، أو Weaviate التعرض لأطر تنظيم LLM مثل LangChain، وLlamaIndex، أو Haystack الخبرة في معالجة الرسوم البيانية، وأنظمة البث، أو منصات الاستدلال في الوقت الحقيقي الاهتمام بتقييم الذكاء الاصطناعي، أو قابلية التفسير، أو ممارسات سلامة الذكاء الاصطناعي لماذا يتم بناء أنظمة خلفية وبنية تحتية متطورة للذكاء الاصطناعي المطبق على نطاق واسع التعاون مع مهندسين وباحثين وفرق منصة ذوي مهارات عالية فرصة للمساهمة في أدوات مفتوحة المصدر والهندسة المدفوعة بالبحث تعويض تنافسي وثقافة هندسية تعاونية في المكتب