تفاصيل الوظيفة
شركة إنوفيشن تيم تبحث عن مهندس ذكاء اصطناعي (AI Engineer) للعمل في الرياض، المملكة العربية السعودية، وذلك لتطوير ونشر نماذج الذكاء الاصطناعي وتعلم الآلة (LLM / ML) وتشغيلها في بيئة مزدوجة: منصة GCP لأحمال العمل العامة، وسحابة هيومين السيادية للبيانات المصنفة.
المهام والمسؤوليات
- بناء وضبط نماذج LLM / ML للمعالجة اللغوية للغة العربية (Arabic NLP)، وتصنيف المستندات، والرؤية / OCR، وحالات استخدام AIOps.
- إجراء تقييم ما قبل النشر: وضع خطوط أساس للدقة، واختبار الانحدار والسلامة، وتقديم أدلة تبرر تخصيص وحدات معالجة الرسوميات (GPU).
- تحسين الاستدلال من خلال التكميم (quantization)، والتجميع (batching)، وتحديد حجم السياق (context sizing) مقابل الاستخدام المُقاس.
- النشر على منصة Humain GPUaaS: باستخدام Kubernetes، وتقسيم وحدات المعالجة على عُقد B300، وتحديد الحصص (quotas)، والتحكم في الوصول المستند إلى الأدوار (RBAC).
- بناء أحمال عمل مكافئة على GCP (Vertex AI, GKE) مع توجيه قائم على التصنيف.
- إدارة حزمة الخدمة (vLLM/TGI)، وإصدار النماذج، والتكامل المستمر / النشر المستمر (CI/CD)، والمراقبة من حيث زمن الاستجابة، والرموز (tokens)، واستخدام GPU، والانحراف (drift).
- ضمان امتثال نماذج الذكاء الاصطناعي المُطوَّرة لمتطلبات سيادة البيانات الصادرة عن هيئة الزكاة والضريبة والجمارك (ZATCA) ومتطلبات الهيئة السعودية للبيانات والذكاء الاصطناعي (SDAIA) - أخلاقيات الذكاء الاصطناعي، وإرشادات الذكاء الاصطناعي التوليدي، وقانون حماية البيانات الشخصية (PDPL).
الشروط والمتطلبات
- خبرة لا تقل عن 5 سنوات في مجال هندسة تعلم الآلة / الذكاء الاصطناعي، تتضمن نشر نماذج LLM في الإنتاج.
- إتقان أدوات Python و PyTorch و Hugging Face.
- خبرة عملية مع Kubernetes في بيئة الإنتاج واستدلال النماذج عبر وحدات معالجة الرسوميات (GPU-served inference).
- خبرة مع GCP Vertex AI أو أي منصة سحابية مكافئة.
المهارات المطلوبة
- Python
- PyTorch
- Hugging Face
- Kubernetes
- GCP Vertex AI (أو ما يعادلها)
عرض النص الأصلي للإعلان
Looking for an AI Engineer to Develop, deploy, and operate AI/LLM models across Clinets dual environment - GCP for public-cloud workloads, Humain sovereign cloud for classified data.
Requirements
Build and fine-tune LLM/ML models for Arabic NLP, document classification, vision/OCR, and AIOps use cases.
Run pre-deployment evaluation
Accuracy baselines, regression and safety testing; evidence to justify GPU allocation.
Optimize inference - quantization, batching, context sizing - against measured usage.
Deploy on Humain GPUaaS: Kubernetes, GPU partitioning on B300 nodes, quotas, RBAC.
Build equivalent workloads on GCP (Vertex AI, GKE) with classification-based routing.
Own serving stack (vLLM/TGI), model versioning, CI/CD, and monitoring for latency, tokens, GPU utilization, and drift.
Ensuring developed AI Models Complying with ZATCA data sovereignty and SDAIA requirements (AI Ethics, GenAI Guidelines, PDPL).
Benefits
5 years ML/AI engineering, in production LLM deployment with knowledge in
Python, PyTorch, Hugging Face
Kubernetes in production; GPU-served inference
GCP Vertex AI or any equivellent cloud
المصدر: الموقع الرسمي للجهة - أُضيفت للموقع في 3 أكتوبر 2026
رقم الإعلان لدى المصدر: E00E73D422
رقم الإعلان لدى المصدر: E00E73D422
