مهندس برمجيات كامل - منصة الذكاء الاصطناعي

شركتنا
في تيراداتا، نؤمن بأن الناس يزدهرون عندما يتم تمكينهم بمعلومات أفضل. لهذا السبب قمنا ببناء أكثر منصات البيانات والتحليلات السحابية شمولاً للذكاء الاصطناعي. من خلال تقديم بيانات متناسقة، وذكاء اصطناعي موثوق، وابتكار أسرع، نرفع ونمكّن عملائنا وعملاء عملائنا لاتخاذ قرارات أفضل وأكثر ثقة. الشركات الكبرى في العالم عبر كل صناعة رئيسية تثق في تيراداتا لتحسين أداء الأعمال، وتعزيز تجارب العملاء، ودمج البيانات بالكامل عبر المؤسسة.

ما ستقوم به: تشكيل طريقة فهم العالم للبيانات

في تيراداتا، نحن لا ندير البيانات فقط؛ بل نطلق العنان لإمكاناتها الكاملة. منصتنا ClearScape Analytics (TM) ومتجر Enterprise Vector الرائد يمكّنان أكبر المؤسسات في العالم من استخلاص قيمة غير مسبوقة من بياناتها الأكثر تعقيدًا. نحن ندفع بسرعة حدود الممكن مع الذكاء الاصطناعي، خاصة في مجال الأنظمة الذاتية والوكيلية.

نحن نبني أنظمة ذكية تتجاوز الأتمتة - فهي تراقب، وتستنتج، وتتكيف، وتدفع اتخاذ القرارات المعقدة عبر بيئات المؤسسات الكبيرة. كعضو في فريق هندسة الذكاء الاصطناعي لدينا، ستلعب دورًا حاسمًا في تصميم ونشر وكلاء ذكاء اصطناعي متقدمين تتكامل بعمق مع العمليات التجارية، مما يحول البيانات إلى رؤى، وإجراءات، ونتائج قابلة للقياس.

في هذا الدور، ستقوم بتصميم مكونات أساسية للأنظمة الإنتاجية للذكاء الاصطناعي - من أطر الوكلاء وأنابيب LLM إلى طبقات المراقبة والتقييم التي تضمن الموثوقية، والمساءلة، والأداء. ستكون مسؤولاً ليس فقط عن بناء النماذج، ولكن عن جعلها قابلة للقياس، وقابلة للتصحيح، وموثوقة في النشر في العالم الحقيقي، في ظروف عالية المخاطر.

ستعمل جنبًا إلى جنب مع فريق عالي المستوى من الباحثين والمهندسين وعلماء البيانات الذين يتعاملون مع بعض من أصعب المشكلات في الذكاء الاصطناعي وبرامج المؤسسات - من تنسيق الوكلاء القابلين للتوسع وتطبيقات LLM الدقيقة، إلى المراقبة في الوقت الحقيقي، واكتشاف الانحراف، وأنظمة إعادة التدريب المغلقة.

إذا كنت شغوفًا ببناء أنظمة ذكية ليست فقط قوية ولكن يمكن ملاحظتها، ومرنة، وجاهزة للإنتاج، فإن هذه الوظيفة تقدم فرصة لتشكيل مستقبل الذكاء الاصطناعي في المؤسسات من الأساس.

مع من ستعمل: التعاون مع الأفضل

تخيل التعاون يوميًا مع بعض من ألمع العقول في الشركة - أفراد يدعمون التنوع، والإنصاف، والشمول كجزء أساسي من نجاحنا. ستكون جزءًا من قوة متماسكة، تركز بشكل حاد على تقديم وظائف الذكاء الاصطناعي/التعلم الآلي عالية الجودة، الحرجة، والمرئية للغاية ضمن منصة تيراداتا فانتاج. ستشكل رؤاك مباشرة مستقبل حلول البيانات الذكية لدينا.

سترفع تقاريرك مباشرة إلى المدير الأول الملهم، مدير هندسة البرمجيات، الذي سيشجع نموك ويمكّن مساهماتك.

ما الذي يجعلك مرشحًا مؤهلاً: المهارات في العمل

• تصميم ونمذجة واجهات للتفاعل مع الوكلاء الذاتيين.
• تنفيذ مكونات واجهة مستخدم استجابة، وقابلة للوصول، وقابلة للتفسير تصور قرارات الذكاء الاصطناعي، وعدم اليقين، ومسارات الاستدلال.
• التعاون مع باحثي الذكاء الاصطناعي ومهندسي البرمجيات لضمان دعم الواجهات لقدرات الوكلاء الناشئة.
• إجراء اختبارات قابلة للاستخدام مع سيناريوهات البشر في الحلقة.
• دفع أفضل الممارسات في تجربة المستخدم حول السلامة، ومعايرة الثقة، وقابلية التفسير للأنظمة الذكية.
• تصميم ونمذجة واجهات بديهية وعالية التأثير للتفاعل مع الوكلاء الذاتيين والذكيين.
• التجريب مع واجهات برمجة تطبيقات LLM، وسير العمل الوكيلة، وإطارات المصدر المفتوح الرائدة.
• استكشاف وتنفيذ أنظمة التخطيط، وقواعد البيانات المتجهة، أو هياكل الذاكرة مثل التخزين القائم على الرسوم البيانية على تيراداتا.
• دعم أفضل الممارسات في تجربة المستخدم حول السلامة، ومعايرة الثقة، وقابلية التفسير للأنظمة الذكية.
• التعاون مع باحثي الذكاء الاصطناعي ومهندسي البرمجيات لضمان تطور الواجهات جنبًا إلى جنب مع قدرات الوكلاء الناشئة.
• تطوير وتعزيز تجارب دفتر الملاحظات الأصلية التي تدمج التعليمات البرمجية، والبيانات، والتصور - مما يمكّن التفاعل السلس مع LLMs، والوكلاء، وسير عمل الذكاء الاصطناعي.
• احتضان ممارسات DevOps، ودمج تطوير واجهة المستخدم مع خطوط أنابيب التكامل المستمر والنشر للتكرار السريع والنشر السلس.
• تنفيذ اختبارات الوحدة لمكونات واجهة المستخدم لضمان الموثوقية والحفاظ على تجارب مستخدم عالية الجودة.
• خلفية هندسية قوية (بايثون/جافا/غولانغ، تكامل واجهة برمجة التطبيقات، أطر العمل الخلفية).
• مهارات تصميم نظام قوية وفهم للأنظمة الموزعة.
• الاهتمام بالموثوقية، وقابلية التصحيح، وضمان سلوك أنظمة الذكاء الاصطناعي بشكل حتمي عند الحاجة.

ما الذي تقدمه: الشغف والإمكانات

• درجة بكاليوس أو ماجستير في علوم الحاسوب، أو الهندسة، أو علوم البيانات، أو مجال ذي صلة - أساسك الأكاديمي هو المفتاح.
• حماس حقيقي للذكاء الاصطناعي ونماذج اللغة الكبيرة (LLMs) هو ميزة كبيرة - ستعمل في طليعة التطورات!
• خبرة في تصميم واجهات المستخدم/تجربة المستخدم وهندسة الواجهة الأمامية.
• إجادة في Angular، TypeScript، Figma، وأنظمة التصميم.
• خبرة في تطوير واجهات دفتر الملاحظات الأصلية أو الإضافات (مثل Jupyter، أو دفاتر VS Code، أو واجهات دفتر ملاحظات مخصصة) هي ميزة قوية.
• فهم قوي للتفاعل بين الإنسان والحاسوب (HCI)، خاصة مع الأنظمة الذكية.
• خبرة في تصميم واجهات لعمليات العمل المعقدة أو المنتجات المدعومة بالذكاء الاصطناعي هي ميزة.
• ميزة: خبرة مع أدوات قائمة على LLM أو تنسيق الوكلاء (مثل LangChain، AutoGen).
• معرفة بالأدوات والتقنيات مفتوحة المصدر وكيفية الاستفادة منها وتوسيعها لبناء حلول مبتكرة.
• شغف بـ الذكاء الاصطناعي/التعلم الآلي، خاصة في بناء واجهات ذكية مدفوعة بالوكالة تشعر وكأنها بشرية.
• عقلية ملكية - أنت تبني، وتطلق، وتكرر، وتوسع برؤية طويلة الأجل.
• اختبار الوحدة والجودة: خبرة في تنفيذ اختبارات الوحدة لمكونات واجهة المستخدم لضمان المتانة وقابلية الصيانة.
• معرفة بممارسات DevOps: مرتاح مع منهجيات DevOps، بما في ذلك عمليات CI/CD لدمج تطوير واجهة المستخدم في خطوط أنابيب النشر الآلي.
• عقلية ملكية: موقف استباقي تجاه تحمل المسؤولية عن المشاريع والتزام ببناء، واختبار، وتكرار، وتوسيع حلول واجهة المستخدم التي تلبي الاحتياجات التقنية واحتياجات المستخدم.
• خبرة في تطوير البرمجيات (يفضل بايثون، غولانغ، أو جافا).
• معرفة بتطوير خدمات الخلفية، وواجهات برمجة التطبيقات، والأنظمة الموزعة.
• اهتمام أو خبرة في LLMs، والوكلاء الذاتيين، أو أدوات الذكاء الاصطناعي.
• معرفة بالبيئات الحاوية (دوكر، كوبيرنيتس) وخطوط أنابيب CI/CD.
• خبرة مع أدوات وممارسات مراقبة الذكاء الاصطناعي (مثل التسجيل، والمراقبة، والتتبع، والقياسات لوكلاء الذكاء الاصطناعي أو نماذج التعلم الآلي).
• بناء لوحات المعلومات وخطوط أنابيب القياسات لتتبع مؤشرات أنظمة الذكاء الاصطناعي الرئيسية: زمن الاستجابة، والدقة، ونجاح استدعاء الأدوات، ومعدل الهلوسة، وأنماط الفشل.
• دمج أدوات المراقبة (مثل OpenTelemetry، Prometheus، Grafana) مع سير العمل القائم على LLM وخطوط أنابيب الوكلاء.
• ميزة: خبرة بحثية أو مساهمات في أطر العمل الوكيلة مفتوحة المصدر.
• أنت على دراية بالأدوات والتقنيات مفتوحة المصدر وتعرف كيف تستفيد منها وتوسعها لبناء حلول مبتكرة.
• التعبئة والتنسيق: معرفة قوية بالبيئات الحاوية باستخدام دوكر وكوبيرنيتس (K8s) لنشر وإدارة أحمال العمل الذكية/التعلم الآلي على نطاق واسع.
• خطوط أنابيب CI/CD: خبرة في تنفيذ وصيانة خطوط أنابيب التكامل المستمر والنشر المستمر (CI/CD) لتبسيط عمليات تدريب النماذج، والاختبار، والنشر في بيئات الإنتاج.
• خبرة في أتمتة سير العمل التعليمي باستخدام أدوات مثل Kubeflow، MLflow، أو Argo Workflows هي ميزة.
• معرفة بمراقبة وتوسيع خدمات التعلم الآلي على مجموعات كوبيرنيتس (مثل استخدام Prometheus، Grafana، أو KServe).
• بناء لوحات المعلومات وخطوط أنابيب القياسات لتتبع مؤشرات أنظمة الذكاء الاصطناعي الرئيسية: زمن الاستجابة، والدقة، ونجاح استدعاء الأدوات، ومعدل الهلوسة، وأنماط الفشل.
• دمج أدوات المراقبة (مثل OpenTelemetry، Prometheus، Grafana) مع سير العمل القائم على LLM وخطوط أنابيب الوكلاء.
• ميزة: خبرة بحثية أو مساهمات في أطر العمل الوكيلة مفتوحة المصدر.

#LI-VB1