شركة Ford Motor Company هي شركة مصنّعة للسيارات مقرّها الولايات المتحدة، ويعود تاريخها إلى عام 1903. وإلى جانب تطوير المركبات وإنتاجها، توسّع الشركة تركيزها ليشمل خدمات التنقّل والتجارب الرقمية والبرمجيات. كما تشمل أعمال فورد جهودًا في مجال الاستدامة وأهدافًا بيئية، بما يعكس نهجًا يربط بين النقل والابتكار والأثر المجتمعي وممارسات الأعمال المسؤولة.
مهندس معماري للذكاء الاصطناعي وتعلّم الآلة لدى شركة فورد موتور (عمل هجين، الهند)
طوّر وكلاء مستقلين وأنظمة متعددة الوكلاء ومسارات توليد معزز بالاسترجاع للاستخدام المؤسسي. انشر ذكاءً اصطناعياً توليدياً جاهزاً للإنتاج على Google Cloud باستخدام عمليات تعلّم الآلة والحاويات وقواعد البيانات المتجهية.
الوصف
- طوّر وانشر وكلاء ذكاء اصطناعي مستقلين وشبه مستقلين للعمليات المؤسسية.
- صمّم بنيات متعددة الوكلاء تشمل التنسيق، وتقسيم المهام، وحلقات التخطيط، والتواصل بين الوكلاء.
- اربط الوكلاء بمنصات المؤسسات وواجهات REST وGraphQL وقواعد البيانات وخدمات Google Cloud.
- أنشئ إمكانات للذاكرة قصيرة الأمد وطويلة الأمد والحلقية والدلالية.
- أنشئ قوالب المطالبات ومكتبات المطالبات القابلة لإعادة الاستخدام واختبرها وحسّنها وصُنها.
- قيّم النماذج الأساسية واخترها واضبطها بدقة، بما في ذلك Gemini عبر Vertex AI Model Garden.
- أنشئ وحسّن مسارات توليد معزز بالاسترجاع (RAG) عالية الإنتاجية ومنخفضة الكمون، بما يشمل استيعاب المستندات وتجزئتها وإنشاء التضمينات.
- ادمج قواعد البيانات المتجهية القابلة للتوسع وشغّلها.
- نظّف البيانات المنظّمة وغير المنظّمة وجهّزها للاستخدام.
- جهّز بيئات آمنة على Google Cloud باستخدام البنية التحتية كتعليمة برمجية عبر Terraform.
- أنشئ مسارات التكامل والتسليم المستمرين (CI/CD) وصُنها للاختبارات المؤتمتة وبناء الحاويات والنشر عبر البيئات.
- جهّز التطبيقات والوكلاء في حاويات باستخدام Docker، ثم انشرها على GKE أو Cloud Run.
- أعِد تنسيق سير العمل باستخدام أدوات مثل Vertex AI Pipelines أو Cloud Composer/Airflow.
- حدّد المقاييس ومسارات الاختبار لتقييم جودة الوكلاء وكمونهم واستخدام الرموز ومعدلات الهلوسة.
- أضف تصفية المحتوى والإشراف عليه وفحوصات الاستناد وضوابط الدفاع ضد حقن المطالبات وحماية الخصوصية ومراحل المراجعة البشرية.
- أعِد المراقبة الإنتاجية والسجلات والتتبّع الموزع والتنبيهات الفورية.
- حسّن سير عمل الوكلاء وإعدادات النماذج والتخزين المؤقت والبنية التحتية من حيث التكلفة والأداء.
- أدِر فروع Git وطلبات السحب ومراجعات الشيفرة.
- تعاون مع علماء البيانات ومهندسي البرمجيات وفرق الأعمال لتقديم حلول ذكاء اصطناعي جاهزة للإنتاج.
- وثّق بنية النظام وتدفقات الوكلاء والأدوات والمطالبات والحاويات وإجراءات التشغيل.
المتطلبات
- خبرة مهنية لا تقل عن ثلاث سنوات في هندسة تعلّم الآلة أو الذكاء الاصطناعي، مع أساس متين في عمليات تعلّم الآلة (MLOps).
- خبرة عملية من سنة إلى سنتين في تصميم ونشر أنظمة إنتاجية قائمة على النماذج اللغوية الكبيرة أو الذكاء الاصطناعي التوليدي أو الأنظمة الوكيلة.
- إتقان خبير للغة Python.
- خبرة في PyTorch أو TensorFlow أو Scikit-learn.
- معرفة نظرية وعملية قوية بالتعلّم العميق ومعالجة اللغة الطبيعية وبنى Transformer.
- خبرة عملية في LangChain أو LangGraph أو LlamaIndex أو CrewAI أو Vertex AI Agent Builder.
- خبرة مثبتة بمنصة Google Cloud وDocker وKubernetes/GKE وCloud Run وCloud Functions.
- خبرة مثبتة في الفهرسة المتجهية والبحث الدلالي وVertex AI Vector Search أو AlloyDB أو أدوات مماثلة.
- معرفة بقواعد بيانات SQL وNoSQL وواجهات REST وGraphQL.
- خبرة في Terraform وGit وأدوات CI/CD مثل Cloud Build أو GitLab CI أو Jenkins.
- خبرة في Prometheus أو Cloud Logging أو LangSmith، وفي تقييم جودة مخرجات النماذج اللغوية الكبيرة وسلامتها.
- تُعدّ شهادة Google Cloud Professional Machine Learning Engineer أو Professional Cloud Architect مرغوبة بشدة.
- درجة البكالوريوس أو ما يعادلها.