مهندس ذكاء اصطناعي تطبيقي – هندسة وتطوير النماذج اللغوية الكبيرة

الوصف

في Klipboard، قدمنا سياسة عمل هجينة مرنة، حيث يقضي الموظفون ثلاثة أيام في المكتب ويومين يعملون من المنزل. يعزز هذا النهج بيئة عمل متوازنة تجمع بين التعاون المكتبي وراحة العمل عن بُعد. توفر Klipboard برامج وخدمات ودعمًا متخصصًا لتقديم حلول متكاملة لإدارة التجارة والأعمال للشركات في قطاع التوزيع – أينما كانوا في العالم. بفضل عمق فريد من المعرفة والخبرة في حلول تخطيط موارد المؤسسات (ERP) والبرمجيات كخدمة (SaaS)، تمتلك Klipboard مجموعة واسعة من العملاء تشمل تجار الجملة والموزعين والتجار وتجار التجزئة من التجار الصغار إلى الشركات متعددة الجنسيات. تمتلك Klipboard مكاتب في المملكة المتحدة وأيرلندا وهولندا وجنوب إفريقيا وكينيا وأمريكا الشمالية. مهمتنا بسيطة: تصميم وتقديم حلول تخطيط موارد المؤسسات عالية الأداء والمتكاملة التي تمكن عملائنا في قطاع التوزيع من التوريد بفعالية، والتخزين بكفاءة، والبيع بربحية، وتقديم خدمة تنافسية. Klipboard هي شركة عالمية ومتنامية تتبنى الذكاء الاصطناعي والتقنيات الناشئة لتعزيز نتائج العملاء والتعاون والتحسين المستمر. نحن نبحث عن أشخاص لديهم فضول حول الذكاء الاصطناعي أو يجيدونه، ومنفتحين على التغيير، ومتحمسين لتعلم كيف يمكن للتكنولوجيا تحسين طريقة عملنا ومساعدة عملائنا، وهو ما يدعمه دائمًا الفهم البشري القوي والتواصل. دور بناء عملي: نقل ميزات الذكاء الاصطناعي من الفكرة إلى البرامج الجاهزة للعمل بسرعة، داخل منتجات حقيقية تعتمد عليها الشركات الحقيقية. أنت تصمم النماذج، وتدير السياق، وتدمج النماذج، وتبني التقييمات، وتتعامل مع البنية الأساسية والتحسين – كل ذلك. الأهم من ذلك، أن معظم هذا العمل يحدث في قواعد بيانات C# .NET الموجودة، وليس في مشاريع جديدة. لقد كانت منتجات Klipboard تحقق أرباحًا لسنوات، وتتمثل المهمة في دمج قدرات الذكاء الاصطناعي الحديثة فيها بشكل نظيف، دون كسر ما يعمل بالفعل. السرعة مهمة هنا، ولكن السرعة مع الأدلة – كل ميزة ذكاء اصطناعي تحتاج إلى تقييم خلفها قبل أن يراها العملاء. نفضل أن تقوم بشحن شيء مقاس وصادق في هذا السبرنت بدلاً من شيء مثالي في الربع القادم. المسؤوليات الرئيسية: مسؤوليات الدور - بناء ميزات الذكاء الاصطناعي بسرعة وبشكل صحيح – من تصميم النماذج والسياق وصولاً إلى التكامل الكامل للنماذج اللغوية الكبيرة (LLM) في قواعد بيانات C# .NET الموجودة. - جعلها جاهزة للإنتاج – معالجة الأخطاء، والحلول البديلة، وإدارة زمن الاستجابة، والتسجيل، والمراقبة، والتقييم القوي قبل أن يصل أي شيء إلى العميل. - البقاء على اطلاع والمشاركة أثناء العمل – مواكبة مجال سريع التغير ونشر المعرفة من خلال الكود والأمثلة والمحادثة. الأنشطة والمساهمات الرئيسية - تصميم وبناء النماذج واستراتيجيات السياق وتكاملات النماذج اللغوية الكبيرة لميزات المنتج، في المجالات التي يكون فيها السعر الخاطئ بثقة، أو تطابق الجزء، أو الإجابة المخزنة أسوأ من عدم وجود إجابة. - العمل بشكل أساسي في C# .NET، ودمج قدرة الذكاء الاصطناعي في قواعد البيانات الموجودة من خلال حدود خدمة نظيفة، وتجريدات معقولة، واحترام الكود الموجود بالفعل. - التحرك بسرعة في المواعيد النهائية الحقيقية – عمل نماذج أولية في أيام، وتصلبها في أسابيع، ومعرفة الفرق بين الزاوية التي يمكن قطعها وتلك التي لا يمكن. - بناء التقييم جنبًا إلى جنب مع الميزة، وليس بعدها – الاختبار مقابل حالات العمل الحقيقية، وقياس الجودة بصدق، والسماح للأرقام بحسم الجدل. - التعامل مع الأجزاء غير الجذابة بشكل جيد: معالجة الأخطاء، والحلول البديلة عندما يتصرف النموذج بشكل خاطئ، وزمن الاستجابة، وتكلفة الرمز، والتسجيل والمراقبة. - العمل مع المهندسين الذين يمتلكون كل قاعدة بيانات، والتكيف مع أنماطهم وخطوط أنابيبهم بدلاً من إدخال شيء لا يمكن لأي شخص آخر صيانته. - مواكبة تغير النماذج والأدوات والمزودين، والاختيار العملي بناءً على الجودة والتكلفة وزمن الاستجابة بدلاً من العادة. - مشاركة ما تتعلمه مع المهندسين من حولك من خلال الكود والأمثلة والمحادثة. - العمل مع مديري المنتجات، ومالكي المنتجات، وخبراء الموضوع لفهم مشكلة العمل بشكل صحيح، لأن أفضل نموذج لا يمكنه إنقاذ متطلب غير مفهوم. الأنظمة والأدوات والتكنولوجيا - C# .NET (لغة التطوير الأساسية) - واجهات برمجة تطبيقات النماذج اللغوية الكبيرة عبر مزودين متعددين - أدوات ترميز الذكاء الاصطناعي: GitHub Copilot، Cursor أو ما يعادلها - هندسة النماذج وأنماط تصميم السياق - التوليد المعزز بالاسترجاع (RAG)، البحث المتجه، التضمينات (مرغوب فيه) - أطر التقييم وخطوط أنابيب الجودة الآلية لمخرجات الذكاء الاصطناعي الخبرة الفنية والمهنية - خبرة إنتاج قوية مع C# .NET، بما في ذلك العمل في قواعد بيانات موجودة لم تكتبها، وشحن التغييرات إليها بأمان. - خبرة عملية في البناء باستخدام النماذج اللغوية الكبيرة: تصميم النماذج، وهندسة السياق، والمخرجات المنظمة، في عمل حقيقي بدلاً من البرامج التعليمية. - سجل حافل بالشحن السريع، مع أمثلة على نقل شيء من الفكرة إلى برنامج عامل في أسابيع بدلاً من أرباع. - خبرة في اختبار أو تقييم مخرجات النماذج اللغوية الكبيرة بطريقة منظمة، واستخدام النتائج لتحسين الجودة. - إتقان يومي لأدوات ترميز الذكاء الاصطناعي مثل GitHub Copilot، Cursor أو ما يعادلها. المسؤوليات والمساهمات الأساسية - تقديم ميزات الذكاء الاصطناعي من البداية إلى النهاية: من فهم المتطلبات إلى قدرة المنتج المشحونة والمقيمة. - الحفاظ على جودة جاهزة للإنتاج: معالجة الأخطاء، والحلول البديلة، وإدارة زمن الاستجابة، والتسجيل والمراقبة – ميزة الذكاء الاصطناعي هي برنامج إنتاجي، مع طرق إضافية للفشل. - الاهتمام بالدقة والسلامة ومعالجة البيانات – يعتمد العملاء على إجابات برامجنا لإدارة أعمالهم. - ترك الأمور موثقة بشكل أفضل مما وجدتها، حتى يتمكن المهندس التالي من متابعة عملك دون الحاجة إلى مشروع أثري. - عمل نماذج أولية بسرعة، وتصلبها بشكل صحيح، ومعرفة الفرق بين الزاوية التي يمكن قطعها وتلك التي لا يمكن. تجربة العملاء - التأكد من أن ميزات الذكاء الاصطناعي تقدم إجابات دقيقة وموثوقة – السعر الخاطئ بثقة، أو تطابق الجزء، أو الإجابة المخزنة أسوأ من عدم وجود إجابة على الإطلاق. - فهم مشكلة العمل وراء كل ميزة، وليس فقط الحل التقني. - العمل مع مديري المنتجات وخبراء الموضوع لضمان أن قدرة الذكاء الاصطناعي تخدم احتياجات العملاء حقًا. النتائج والأنشطة الرئيسية - قدرة الذكاء الاصطناعي المشحونة في منتج واحد على الأقل موجود مع تقييم خلفها خلال الأشهر الستة الأولى. - شيء تم بناؤه انتقل من الفكرة إلى العملاء في أسابيع، وصمد في الإنتاج. - غيرت نتائج التقييم قرارًا واحدًا على الأقل، بما في ذلك، بشكل مثالي، إلغاء شيء لم يكن جيدًا بما يكفي للشحن. - التقط المهندسون من حولك تقنيات من عملك، على الرغم من أن التدريس ليس وظيفتك الأساسية. - يمكنك شرح مشكلة العمل وراء كل ميزة قمت ببنائها، وليس فقط الحل التقني. الأشخاص والتعاون والثقافة - الميل إلى العمل – يفضل بناء النسخة الصغيرة اليوم والتعلم منها بدلاً من التخطيط للنسخة الكبيرة لمدة شهر. - صادق بشأن الجودة – يقيس، ويظهر العمل، ولا يشحن شيئًا لا يدعمه. - يحترم الكود الموجود والمهندسين الذين يحافظون عليه – الأنظمة الموجودة موجودة لسبب ما، والعمل بشكل جيد داخلها مهارة تفخر بها. - فضولي بشأن المهن التي يعمل بها عملاء Klipboard، لأن تفاصيل المجال هي مصدر النماذج الجيدة. - مرتاح للتغيير – ستبدو الأدوات مختلفة في غضون ستة أشهر، وهذا يناسبك تمامًا. مسؤوليات إضافية (وفقًا لهيكل وظائف الشركة) - ترك الوثائق في حالة أفضل مما وجدتها حتى يتمكن المهندس التالي من متابعة عملك دون الحاجة إلى السؤال. - المساهمة في المعرفة المشتركة ومعايير الهندسة مع نضوج ممارسة الذكاء الاصطناعي للفريق. العلاقات الرئيسية (الداخلية والخارجية) الداخلية - مديري المنتجات ومالكي المنتجات (فهم المتطلبات وتحديد نطاق الميزات) - فرق الهندسة التي تمتلك قواعد البيانات الموجودة التي تبني فيها - خبراء الموضوع في قطاعات منتجات Klipboard (التجارة التوزيعية)

ما ستقوم به

• • بناء ودمج ميزات الذكاء الاصطناعي الجاهزة للإنتاج في قواعد بيانات C# .NET الموجودة، مع التركيز على تصميم النماذج وإدارة السياق.
• • تطوير أطر تقييم صارمة لضمان دقة وموثوقية مخرجات الذكاء الاصطناعي قبل وصولها إلى العملاء.

المتطلبات

يتطلب خبرة إنتاج قوية مع C# .NET وخبرة عملية في البناء باستخدام النماذج اللغوية الكبيرة في تطبيقات العالم الحقيقي. يجب أن يكون لدى المرشحين سجل حافل بشحن البرامج بسرعة وإتقان لأدوات ترميز الذكاء الاصطناعي مثل GitHub Copilot أو Cursor.

الأسئلة الشائعة