الوصف الوظيفي

نبذة عن قبيلة الذكاء الاصطناعي التطبيقي

فريق الذكاء الاصطناعي التطبيقي هو محرك الذكاء الاصطناعي الداخلي لشركة طلبات، وهو فريق شغوف بتحويل أحدث تقنيات الذكاء الاصطناعي إلى قيمة تجارية حقيقية وقابلة للقياس. نحن لا نبني الذكاء الاصطناعي لذاته، بل هدفنا الأسمى هو تحقيق القيمة المضافة من خلاله.

لقد قمنا بشحن أكثر من 40 منتجًا من منتجات الذكاء الاصطناعي عبر أربعة مسارات استراتيجية:

- منصة المنتجات والتكنولوجيا – قدرات الذكاء الاصطناعي المدمجة في المنتج الأساسي ومنصة الهندسة الخاصة بشركة طلبات.

- أتمتة الأعمال – تبسيط سير العمل الذي يوفر الوقت والمال في جميع العمليات.

- أدوات الذكاء الاصطناعي ذاتية الخدمة – تمكين أصحاب الطلبات من بناء واستخدام الذكاء الاصطناعي دون الحاجة إلى تقديم طلب دعم.

- التدريب والتأهيل - رفع مستوى مهارات الفريق حتى يتمكن كل فريق من المشاركة في عصر الذكاء الاصطناعي.

يتمحور نهجنا الهندسي حول شحن أنظمة الذكاء الاصطناعي الوكيلة على نطاق واسع، مع فلسفة تركز على التجهيز أولاً، والتقييم المدمج في كل تكرار للمنتج، وحلقات التغذية الراجعة للإنتاج التي توجه خارطة الطريق.

الدور

بصفتك مديرًا لقسم علوم البيانات - الذكاء الاصطناعي ضمن فريق الذكاء الاصطناعي التطبيقي، ستتولى قيادة فريق من علماء البيانات لبناء وتطوير أنظمة التعلم الآلي والذكاء الاصطناعي التوليدي التي تدعم اتخاذ القرارات في جميع منتجات وأعمال طلبات. أنت قائدٌ متميزٌ وخبيرٌ تقنيٌّ في آنٍ واحد، مُلمٌّ بالعمل بشكلٍ كافٍ لاتخاذ قراراتٍ تقنيةٍ صائبةٍ وتنمية فريقك، مع مسؤولية كاملة عن خارطة الطريق والتسليم.

يشمل عمل فريقكم دورة حياة الذكاء الاصطناعي بأكملها: بدءًا من تحديد المشكلات التجارية المعقدة، مرورًا بنمذجة البيانات، وهندسة الميزات، وتدريب النماذج، والنشر، وصولًا إلى مراقبة الإنتاج. وسينصبّ التركيز بشكل كبير على الاستفادة من نماذج التعلم الموجه، والأنظمة الآلية، والذكاء الاصطناعي التوليدي لأتمتة القرارات، وإثراء البيانات، وبناء تجارب ذكية على نطاق واسع، وكل ذلك يُقاس بمعيار صافي قيمة الذكاء الاصطناعي المُقدّمة.
 

ماذا يوجد في طبقك؟

قيادة الأفراد:

- قيادة وتنمية فريق من علماء البيانات والاحتفاظ بهم، ووضع معايير عالية للجودة التقنية، وتعزيز ثقافة الملكية، ودعم التطور الوظيفي لكل فرد.

- التعاون مع قسم التوظيف لجذب أفضل المواهب في مجال علوم البيانات والتعلم الآلي مع توسع الفريق.

- توجيه أعضاء الفريق في أفضل ممارسات التعلم الآلي، وتصميم الأنظمة الآلية، وهندسة الإنتاج، والتواصل مع أصحاب المصلحة.

- إدارة طقوس الفريق الفعالة، والتخطيط، ومراجعات التصميم، وجلسات التقييم، التي تحافظ على انسجام الفريق وتحركه بوتيرة سريعة.

الاستراتيجية التقنية والتنفيذ:

- ترجمة مشاكل الأعمال الغامضة إلى حلول تعلم آلي وذكاء اصطناعي محددة النطاق مع معايير نجاح واضحة وقابلة للقياس مرتبطة بالهدف الرئيسي للقبيلة.

- امتلاك خارطة الطريق التقنية للفريق: إعطاء الأولوية للعمل ذي التأثير الكبير في مجالات إثراء البيانات، وأتمتة الأعمال، وأدوات الخدمة الذاتية، وميزات المنتج الوكيلة.

- دعم التفكير القائم على تسخير الموارد أولاً، وضمان وجود مسارات التقييم، وقابلية مراقبة التعلم القائم على التعلم، والأدوات، والبنية التحتية قبل بناء منطق الوكيل عليها.

- دمج التقييم في كل تكرار للمنتج: مجموعات البيانات الذهبية، والمقاييس المتوافقة مع أصحاب المصلحة، ووظائف التقييم الأسبوعية التي توجه ما يتم بناؤه أو إصلاحه أو إيقافه.

- الإشراف على دورة حياة التعلم الآلي بالكامل: خطوط نقل البيانات، وهندسة الميزات، وتدريب النموذج، ونشر الإنتاج، والخدمة، والمراقبة.

- دفع اعتماد نماذج التعلم الموجه والذكاء الاصطناعي التوليدي لإثراء البيانات، وفهم المحتوى الذكي، واتخاذ القرارات الآلية على نطاق واسع.

- تصميم وتحليل التجارب (أ/ب ومتعددة المتغيرات) لقياس تأثير النموذج والمنتج بدقة.

- رفع مستوى معايير التعلم الآلي والهندسة في جميع أنحاء الفريق، وتحسين عمليات التعلم الآلي، وجودة الكود، والأدوات، وبرامج التعلم الداخلية.

الشراكة متعددة الوظائف:

- التعاون مع مديري المنتجات وفرق العمل لتحديد فرص الذكاء الاصطناعي ذات القيمة العالية ودمجها في خارطة طريق الفريق.

- التواصل بوضوح مع كبار أصحاب المصلحة، بدءًا من تحديد المشكلة وصولاً إلى النتائج والتوصيات.

- التعاون مع فرق الهندسة لفهم أنظمة البيانات، وبناء نماذج بيانات موثوقة، وضمان التكامل السلس للإنتاج.

المؤهل العلمي

ماذا طلبنا؟

الخبرة الفنية

- خبرة عميقة في التعلم الآلي، والذكاء الاصطناعي التوليدي، والتعلم العميق، ومعالجة اللغة الطبيعية، وأنظمة التوصية، واستخراج البيانات.

- معرفة عملية بأطر عمل التعلم الآلي والذكاء الاصطناعي العام: Scikit-learn، وXGBoost، وLightGBM، وPyTorch، وTensorFlow، وTransformers، وضبط LLM بدقة.

- إتقان استخدام OpenAI SDK والإلمام بواجهات برمجة التطبيقات (APIs) الخاصة بمزودي LLM الرئيسيين لبناء وتنسيق أنظمة الذكاء الاصطناعي الإنتاجية.

- خبرة عملية مع LangGraph لبناء سير عمل وكلاء متعدد الخطوات وأنماط تنسيق وكلاء معقدة.

- خبرة في استخدام Hugging Face (Transformers, Hub, Inference API) للحصول على النماذج وضبطها بدقة ونشرها.

- فهم قوي للتضمينات، والاسترجاع الكثيف والمتفرق، وقواعد البيانات المتجهة، والبحث الدلالي، لبناء خطوط أنابيب RAG والتطبيقات القائمة على التشابه.

- أساسيات قوية في هندسة البرمجيات: كتابة أكواد إنتاج نظيفة، وهياكل البيانات والخوارزميات، وتصميم أنظمة التعلم الآلي.

- خبرة مثبتة في شحن ومراقبة نماذج التعلم الآلي في بيئة الإنتاج، مع فهم قوي لممارسات MLOps.

- مهارات قوية في هندسة البيانات والتعلم الآلي: بناء وتنسيق خطوط نقل البيانات (مثل Airflow) وهندسة الميزات القوية.

- إتقان ممتاز للغة SQL ولغة Python؛ أسس إحصائية متينة تشمل تصميم التجارب والاستدلال السببي والأساليب التنبؤية.

- إن الإلمام بتصميم الأنظمة الوكيلة (التفكير القائم على التسخير أولاً، وقابلية الملاحظة في نموذج التعلم القائم على التعلم، وخطوط التقييم، وحلقات التغذية الراجعة للإنتاج) يعتبر ميزة قوية.

- الخبرة في استخدام BigQuery ومنصة Google Cloud Platform تُعد ميزة إضافية.
 

المؤهلات

- شهادة بكالوريوس في الهندسة أو علوم الحاسوب أو مجال ذي صلة. شهادة الدراسات العليا ميزة إضافية.

- خبرة تزيد عن 6 سنوات في علوم البيانات، وهندسة التعلم الآلي، و/أو الذكاء الاصطناعي التوليدي، بما في ذلك نشر النماذج للإنتاج.

- خبرة سنتين أو أكثر في إدارة أو قيادة فريق علوم البيانات أو التعلم الآلي، مع سجل حافل في تطوير المواهب وتحقيق النتائج من خلال الآخرين.

- تعتبر الخبرة في بناء أنظمة التعلم الآلي في بيئة منتجات استهلاكية عبر الإنترنت ميزة إضافية قوية.

معلومات إضافية

العقلية وأساليب العمل

- الفضول يفوق اليقين: أنت متحمس لتجربة النموذج أو الإطار الجديد هذا الأسبوع.

- الملكية: أنت تتعامل مع التكلفة، وزمن الاستجابة، وتأثير الأعمال على أنها مشكلتك أنت وفريقك.

- التحيز نحو البناء: النموذج الأولي في سير العمل الحقيقي يتفوق على وثيقة التصميم المثالية في كل مرة.

- القدرة على التعامل مع الغموض: معظم ما نقوم ببنائه ليس له دليل إرشادي حتى الآن، وأنت تساعد في كتابته.

- اجعل الأمر بسيطًا: اختر النهج الذي يحقق أكبر قيمة بأقل قدر من التعقيد، واجعله يحدث.
 

في طلبات، يُقاس نجاحك بالنتائج والسلوكيات على حد سواء. نختار موظفينا بناءً على التميز في مهاراتهم والتزامهم بمبادئ القيادة التي تُشكّل طريقة تفكيرنا واتخاذ قراراتنا وتعاوننا. ما تُنجزه مهم، وكيفية إنجازك له تُعرّفنا. معًا، ندفع أعمالنا قُدمًا ونُقدّم تجارب رائعة. تعرّف على المزيد حول مبادئ القيادة لدينا. هنا.

وصف الشركة

منذ إطلاقها في الكويت عام ٢٠٠٤، تُقدّم طلبات، التطبيق الرائد في مجال توصيل الطعام والتجارة الإلكترونية حسب الطلب، الراحة والموثوقية لعملائها. وتتمتع طلبات بجذور محلية راسخة، مما يُتيح لها فهمًا عميقًا لاحتياجات المجتمعات التي تخدمها في ثماني دول في المنطقة.

نحن نوظف التكنولوجيا والمعرفة المبتكرة لتبسيط الحياة اليومية لعملائنا، وتحسين العمليات لمطاعمنا ومتاجرنا المحلية، وتزويد سائقينا بفرص كسب موثوقة يوميًا.

في طلبات، نبني ثقافة أداء متميزة من خلال كوادرنا الملتزمة وتنمية مواهبنا. نؤمن بالشفافية والتميز، ونسعى لإحداث فرق إيجابي. أكثر من 6000 موظف لدينا في طلبات يبذلون جهودًا جبارة لنشر الإيجابية. نفخر بحصولنا على العديد من جوائز أفضل بيئة عمل.

المصدر: الموقع الرسمي للوظائف في شركة طلبات (ديليفري هيرو). قدّم طلبك مباشرةً لدى صاحب العمل.