مطور الذكاء الاصطناعي

حول برنامج سالفو Salvo Software هي شركة عالمية تقدم حلولاً برمجية فعالة من حيث التكلفة لتوجيه المؤسسات والشركات الناشئة خلال التحول الرقمي. من خلال فرق موزعة في جميع أنحاء الولايات المتحدة وأمريكا اللاتينية والهند، نتشارك مع العملاء لبناء أنظمة عالية الأداء وقابلة للتطوير تعمل على حل التحديات التقنية المعقدة. ثقافتنا تقدر الابتكار والملكية والتميز الهندسي.

نظرة عامة على الدور نحن نبحث عن مطور ذكاء اصطناعي ذو مهارات عالية يتمتع بخلفية قوية وخلفية هندسية للتعلم الآلي لتصميم نماذج LLM وتدريبها وتحسينها ونشرها في البيئات المحلية وغير المتصلة بالإنترنت. يعد هذا الدور تقنيًا وعمليًا للغاية، ويتطلب خبرة عبر مجموعات Python ML، وتحسين النماذج، وأطر الاستدلال المحلية، وبنيات RAG (جيل الاسترجاع المعزز)، وتكاملات MCP (بروتوكول سياق النموذج)، وسير عمل DevOps المصمم للأنظمة غير المتصلة بالإنترنت. ستعمل بشكل وثيق مع فرق الهندسة والمنتجات لدينا لبناء خطوط أنابيب LLM شاملة - بما في ذلك المعالجة المسبقة للبيانات، والضبط الدقيق تحت الإشراف، وتقدير النماذج، والتقييم، وتصميم خطوط أنابيب RAG، والنشر باستخدام البنية التحتية المحلية أو المعزولة بالهواء. إذا كنت تستمتع بالعمل مع طلاب LLM متطورين ومفتوحي المصدر، وبناء أنظمة الذكاء الاصطناعي المدركة للسياق، وتصميم خطوط أنابيب خلفية موثوقة، فهذا الدور مناسب لك.

المسؤوليات الرئيسية التنمية الأساسية LLM • تدريب وصقل LLMs باستخدام الضبط الدقيق تحت الإشراف (SFT). • العمل مع نماذج مفتوحة المصدر مثل LLaMA، وMistral، وQwen، والهندسة المعمارية المشابهة. • بناء خطوط أنابيب LoRA / Q-LoRA من أجل الضبط الدقيق الفعال. • تنفيذ وتحسين سير عمل المعالجة المسبقة للبيانات، بما في ذلك الترميز والتعامل مع السياق الطويل. • استخدام وتوسيع محولات الوجه المعانقة ومجموعات البيانات للتدريب والاستدلال. • تحليل ومعالجة البيانات المنظمة وشبه المنظمة، بما في ذلك ملفات XML/XSD. • تنفيذ حلول تحليل المستندات لتنسيقات Office (python-docx، OpenXML). RAG والأنظمة المدركة للسياق • تصميم وتنفيذ خطوط أنابيب الجيل المعزز للاسترجاع (RAG) للإجابة على الأسئلة المستندة إلى المستندات واسترجاع المعرفة. • بناء وصيانة مخازن المتجهات وتضمين خطوط الأنابيب باستخدام أدوات مثل FAISS أو Chroma أو Weaviate أو pgvector. • تحسين استراتيجيات الاسترجاع بما في ذلك البحث المختلط، وإعادة الترتيب، وأساليب التقطيع المصممة خصيصًا للمجاميع الخاصة بالمجال. • تطوير وصيانة عمليات تكامل خادم MCP (بروتوكول السياق النموذجي) لتمكين LLMs من التفاعل ديناميكيًا مع الأدوات وواجهات برمجة التطبيقات ومصادر البيانات الخارجية. • تصميم مسارات عمل وكيلة تستفيد من MCP لمنح النماذج وصولاً منظمًا إلى الأنظمة الداخلية والسياق بطريقة خاضعة للرقابة وقابلة للتدقيق. خبرة في النماذج غير المتصلة بالإنترنت/المحلية • نشر النماذج وتشغيلها وصيانتها بشكل كامل دون الاتصال بالإنترنت وفي بيئات معزولة. • إجراء تحسين النموذج والتكميم (GGUF، GPTQ، AWQ، bitsandbytes). • بناء وصيانة أنظمة الاستدلال باستخدام أطر عمل مثل vLLM، وTGI، وOllama. • تحسين استخدام وحدة معالجة الرسومات (CUDA، cuDNN، والتجميع المدرك لـ VRAM). • الحفاظ على خطوط أنابيب CI/CD المحلية لنماذج ML بدون تبعيات سحابية. • إدارة سجلات النماذج المحلية، والإصدارات، والتحف. • التأكد من أن مكونات RAG وMCP تعمل بكامل طاقتها في بيئات الشبكة المقيدة وغير المتصلة بالإنترنت. الواجهة الخلفية وعمليات التطوير • إنشاء خدمات خلفية في لغة Python للتدريب على تعلم الآلة وسير عمل الاستدلال. • العمل مع قواعد البيانات العلائقية (Postgres/MySQL) وقواعد البيانات المتجهة لطبقات تخزين RAG. • استخدم Docker وGit للتطوير الموثوق وخطوط النشر. • استخدم Azure DevOps لـ CI/CD، بما في ذلك المتسابقين المحليين عند الاقتضاء.

المتطلبات المهارات الفنية • خبرة قوية في لغة بايثون لتطوير الواجهة الخلفية وتعلم الآلة. • الخبرة في استخدام أطر تعلم الآلة مثل PyTorch أو TensorFlow وscikit-learn وpandas. • معرفة قوية بـ Postgres أو MySQL لتخزين البيانات. • تجربة مع أفضل الممارسات Docker وGit وDevOps. • التدريب العملي على الخبرة مع التدريب LLM، وصقل، والتحسين. • تجربة معانقة محولات الوجه ومجموعات البيانات. • الإلمام بأدوات تحليل المستندات XML/XSD وOffice. • تجربة نشر النماذج باستخدام vLLM أو TGI أو Ollama. • فهم تقنيات التكميم (GGUF/GPTQ/AWQ). • خبرة في العمل مع تحسين GPU ومكدس CUDA. • القدرة على بناء حلول للبيئات غير المتصلة بالإنترنت، والمحلية، والمفتوحة الهواء. • التدريب العملي على الخبرة في تصميم وتنفيذ خطوط أنابيب RAG، بما في ذلك تضمين النماذج، ومخازن المتجهات (FAISS، Chroma، Weaviate، أو pgvector)، واستراتيجيات تحسين الاسترجاع. • تجربة بناء أو دمج خوادم MCP (بروتوكول السياق النموذجي) لربط LLMs بالأدوات الخارجية وواجهات برمجة التطبيقات ومصادر البيانات المنظمة. جميل أن يكون • خبرة في بناء أنظمة وكيلة باستخدام MCP في بيئات الإنتاج أو القريبة من الإنتاج. • الإلمام بتقنيات RAG المتقدمة مثل HyDE أو إعادة الترتيب أو الاسترداد متعدد القفزات. • خبرة في إدارة سجلات نماذج ML في البيئات غير المتصلة بالإنترنت. • الإلمام بـ AWS لعمليات النشر المختلطة. • تجربة مع البيئات الآمنة أو الشبكات المقيدة أو متطلبات امتثال المؤسسة. المهارات الناعمة • عقلية الملكية القوية والقدرة على حل المشكلات. • القدرة على العمل بفعالية في فرق موزعة عبر المناطق الزمنية. • التواصل الواضح عند مناقشة المواضيع الفنية المعقدة مع أصحاب المصلحة التقنيين وغير التقنيين.