Mindrift هي سوق للمواهب في مجال الذكاء الاصطناعي ومنصة برمجيات كخدمة تربط المساهمين المحترفين والخبراء المتخصصين بمشاريع تدريب الذكاء الاصطناعي وتقييمه لدى شركات التكنولوجيا. وباعتبارها جزءًا من Toloka، تتعاون مع الكتّاب والمحررين ومتخصصي ضمان الجودة والعلماء وغيرهم من الخبراء المتخصصين للمساعدة في إنشاء بيانات التدريب، وتقييم سلامة النماذج وقدرتها على الاستدلال، وتقييم جودة الوسائط، وإنشاء سيناريوهات واقعية لتحسين أداء الذكاء الاصطناعي وموثوقيته. تستقطب Mindrift المساهمين وتتحقق من كفاءتهم من خلال التقييمات والتحقق من الهوية، ثم تقدم فرصًا مرنة ومدفوعة للمشاركة في مشاريع تدريب الذكاء الاصطناعي وتقييمه.
مهندس أول لهندسة بيانات استخراج الويب بلغة Python في إيطاليا (عن بُعد)
انضم إلى مشروع Tendem AI التابع لـ Mindrift لبناء مسارات موثوقة لاستخراج البيانات من الويب ومعالجتها بصيغة منظمة. يركز الدور على المواقع الديناميكية، والتحقق من البيانات، والاستخراج القابل للتوسع، والأتمتة.
الوصف
- قيادة عمليات الاستخراج الكاملة عبر مواقع ويب معقدة، وتسليم مجموعات بيانات منظمة وشاملة ودقيقة وموثوقة
- استخدام المنصات المتاحة ومسارات العمل المخصصة لتسريع جمع البيانات والتحقق منها وإنجاز المهام وفقاً للمواصفات المحددة
- تكييف أساليب الاستخراج مع الصفحات المُنشأة بواسطة JavaScript والمصادر التفاعلية وسلوكيات المواقع المتغيرة
- الحفاظ على جودة البيانات من خلال التحقق والمقارنة بين المصادر وضوابط التنسيق والمراجعة المنظمة قبل التسليم
- توسيع قدرة الاستخراج لمجموعات البيانات الكبيرة من خلال التجميع الفعال والمعالجة المتوازية
- تتبع حالات فشل الاستخراج والحفاظ على الموثوقية التشغيلية مع تغير هياكل المواقع
- تطبيق الخبرة في استخراج البيانات من الويب ومعالجتها على مشروع Tendem
- الجمع بين الحكم التقني وApify وOpenRouter وغيرها من الأدوات لتطوير حلول مخصصة وفعالة
المتطلبات
- يشترط امتلاك أكثر من 5 سنوات من الخبرة ذات الصلة في هندسة البيانات أو استخراج البيانات من الويب أو الأتمتة أو تطوير البرمجيات
- تُعد درجة البكالوريوس أو الماجستير في الهندسة أو الرياضيات التطبيقية أو علوم الحاسوب أو تخصص تقني ذي صلة ميزة إضافية
- خبرة متقدمة في استخراج البيانات باستخدام Python وBeautifulSoup وSelenium أو أدوات مماثلة، مع المحتوى الديناميكي وواجهات API عبر الوكلاء
- القدرة على استرجاع البيانات من مصادر معقدة مثل التسلسلات الهرمية والصفحات المؤرشفة وHTML غير المتسق
- خبرة في تنظيف البيانات وتوحيدها والتحقق منها لتسليمها بصيغ CSV أو JSON أو Google Sheets
- خبرة عملية في إدارة وسائل الحماية من الروبوتات وتغير هياكل المواقع على نطاق واسع
- الإلمام بـ AWS أو بنية سحابية مماثلة وباستخدام الحاويات القائمة على Docker
- استخدام عملي لـ LangChain أو OpenRouter أو أطر عمل مماثلة لنماذج اللغة الكبيرة في الأتمتة
- اهتمام استثنائي بالتفاصيل وتركيز قوي على دقة البيانات
- القدرة على العمل باستقلالية والتحقيق في المشكلات وحلها دون إشراف وثيق
- يشترط إتقان اللغة الإنجليزية بمستوى فوق المتوسط (B2) أو أعلى
- يُعد رابط ملف GitHub ميزة إضافية
المزايا
- تعاون مستقل
- ترتيب عمل عن بُعد بدوام جزئي
- عبء العمل المتوقع من 10 إلى 20 ساعة أسبوعياً خلال فترات نشاط المشروع