intelmatix تعلن عن وظيفة Lead AI Engineer في الرياض

Lead AI Engineer

🏢 intelmatix

🕒 نُشرت: 30 يوليو 2026 (اليوم) 📍 الرياض وظائف الهندسة والتقنية

تفاصيل الوظيفة

تعلن شركة intelmatix عن توفر وظيفة قائد مهندس ذكاء اصطناعي (Lead AI Engineer) في الرياض، السعودية. نبحث عن مهندس ذكاء اصطناعي تطبيقي ذي خبرة تقنية قوية وتوجه حلولي، لدعم تصميم وتنفيذ حلول الذكاء الاصطناعي والتحليلات المتقدمة.

نبذة عن الوظيفة

نحن نبحث عن مهندس ذكاء اصطناعي تطبيقي يتمتع بخبرة 6 سنوات فأكثر في علم البيانات وتعلم الآلة التطبيقي، ويجمع بين العمق التقني وحل المشكلات الواقعية. ستعمل عن كثب مع الفرق التقنية الداخلية والعملاء الخارجيين لترجمة احتياجات الأعمال إلى حلول ذكاء اصطناعي قابلة للتطوير، كما ستوجه أعضاء الفريق المبتدئين وتساهم في تطوير النماذج يدوياً وضمان تسليم المكونات التحليلية بسلاسة إلى بيئات الإنتاج.

المهام والمسؤوليات

تصميم وتنفيذ أنظمة ذكاء اصطناعي وكيلية (Agentic AI) جاهزة للإنتاج باستخدام أطر عمل وأدوات مثل LangChain وLangGraph وLangfuse وMCP.
تصميم ونشر خطوط أنابيب RAG (التوليد المعزز بالاسترجاع) مع استراتيجيات التقطيع واختيار قواعد المتجهات والاسترجاع الهجين والتقييم.
بناء أنظمة متعددة الوكلاء مع استخدام الأدوات والذاكرة والتخطيط والتنسيق بين الوكلاء لأتمتة المؤسسات ودعم القرارات.
تقييم ودمج نماذج اللغة الكبيرة (LLMs) من OpenAI وAnthropic وMistral والمصادر المفتوحة في بنى إنتاجية آمنة وقابلة للتوسع، سواء على السحابة أو محلياً.
مواكبة أحدث أبحاث الذكاء الاصطناعي الوكيلي وترجمة النتائج إلى قدرات عملية للمنتج.
تصميم وتنفيذ خطوط أنابيب تعلم الآلة كاملة: استيعاب البيانات، هندسة الميزات، تدريب النماذج، ضبط المعلمات الفائقة، التحقق، والنشر.
تطبيق تقنيات تعلم الآلة التقليدية عبر الانحدار والتصنيف والتجميع والتنبؤ بالسلاسل الزمنية واكتشاف الشذوذ والتحسين.
تقديم تحليل بيانات دقيق ونمذجة إحصائية لتوليد رؤى قابلة للتنفيذ للعملاء.
ضمان جاهزية النماذج للإنتاج: متانة، قابلية تفسير، مراقبة، ومواءمة مع مؤشرات الأداء الرئيسية.
قيادة وتوجيه وتدريب علماء البيانات والمهندسين المبتدئين، ومراجعة أكوادهم وبناء قدراتهم على حل المشكلات.
تحديد وتطبيق المعايير التقنية وأفضل الممارسات وعمليات المراجعة عبر فريق علم البيانات.
تعزيز مشاركة المعرفة من خلال العروض التقديمية الداخلية والتوثيق والجلسات التقنية.
التعاون مع فرق خدمة العملاء والتقنية لفهم متطلبات الأعمال وترجمتها إلى حلول ذكاء اصطناعي وتحليلات قابلة للتنفيذ.
تقديم مدخلات استراتيجية حول تصميم الحلول ومواءمة القدرات التحليلية مع أهداف العملاء.
العمل كقائد تقني في مناقشات وورش العمل مع العملاء لتسليم الحلول.
التعاون مع فرق الهندسة لضمان نشر النماذج بسلاسة في الإنتاج عبر APIs وDocker/Kubernetes وخطوط CI/CD.
تنفيذ مراقبة النماذج وكشف الانجراف وعمليات إعادة التدريب للحفاظ على أداء الحلول بعد النشر.
الترويج لممارسات البرمجة النظيفة والقابلة للصيانة والموثقة جيداً عبر الفريق.

الشروط والمتطلبات

درجة البكالوريوس أو الماجستير في علوم الحاسوب أو الهندسة أو مجال ذي صلة.
خبرة عملية تتراوح بين 6-8 سنوات فأكثر في علم البيانات وتعلم الآلة التطبيقي وهندسة الذكاء الاصطناعي.
خبرة إنتاجية مثبتة في نماذج اللغة الكبيرة (LLMs) وخطوط RAG وأنظمة الذكاء الاصطناعي الوكيلية.
خبرة قوية في تعلم الآلة التقليدي والنمذجة الإحصائية عبر أنواع ومجالات متعددة من المشكلات.
قدرة مثبتة على قيادة العمل التقني وتوجيه أعضاء الفريق المبتدئين.
القدرة على الموازنة بين العمق التقني والتسليم العملي والأثر التجاري.
مهارات ممتازة في التعاون والتواصل للعمل مع الفرق والعملاء.
طلاقة في اللغة الإنجليزية (كتابة وتحدثاً). العربية ميزة إضافية.
يفضل: خبرة في تقديم حلول الذكاء الاصطناعي عبر قطاعات متعددة (مثل الحكومة، الطاقة، المالية، الرعاية الصحية، التجزئة).
يفضل: خبرة في التعامل مع العملاء أو الاستشارات، والعمل مع أصحاب المصلحة الخارجيين على تصميم الحلول وتسليمها.
يفضل: خبرة في نشر نماذج اللغة الكبيرة محلياً وبيئات الذكاء الاصطناعي المعزولة (air-gapped).
يفضل: الإلمام بمعالجة اللغة العربية الطبيعية (Arabic NLP) والنماذج متعددة اللغات.
يفضل: خلفية في ذكاء القرارات أو بحوث العمليات أو نمذجة المحاكاة.
يفضل: المنشورات أو المساهمات مفتوحة المصدر أو الحضور التقني العام.

المهارات المطلوبة

اللغات والمكتبات: Python (أساسي)، SQL، NumPy، pandas، scikit-learn، XGBoost، LightGBM.
أطر الذكاء الاصطناعي الوكيلي ونماذج اللغة الكبيرة: LangChain، LangGraph، Model Context Protocol (MCP)، OpenAI API، Anthropic API.
أطر RAG ومتاجر المتجهات: FAISS، Pinecone، نماذج التضمين وأطر التقييم.
التعلم العميق: PyTorch، TensorFlow/Keras، Hugging Face Transformers.
السحابة: واحدة أو أكثر من AWS، GCP، Azure.
قواعد البيانات: PostgreSQL، Oracle، قواعد بيانات المتجهات.
MLOps: Docker، MLflow، خطوط CI/CD.

المزايا

ملكية أسهم في شركة رائدة في مجال التكنولوجيا العميقة.
تأمين طبي شامل للموظف والمُعالين.
بدل مدرسة للأطفال ودعم إعادة التوطين، حسب الحالة.
بيئة عمل تعاونية موجهة بالمهمة مع فرص للنمو المهني.
نحن ملتزمون بتحسين حزمة المزايا باستمرار لتتكيف مع الاحتياجات الفريدة لأعضاء فريقنا.

عرض النص الأصلي للإعلان

Position Overview

We are seeking a technically strong and solution-oriented Lead Applied AI Engineer to support the

design and implementation of advanced AI and analytics solutions. This role is ideal for someone

with 6+ years of experience in data science and applied machine learning who enjoys combining

technical depth with real-world problem-solving.

You will work closely with internal technical teams and external clients to translate business needs

into scalable AI solutions. You’ll also guide junior team members, contribute to hands-on model

development, and ensure seamless delivery of analytical components into production environments.

Key Responsibilities

Agentic AI, LLMs & Modern AI Systems

Architect and implement production-grade agentic AI systems using LLM orchestration frameworks and protocols (e.g., LangChain, LangGraph, Langfuse, MCP).
Design and deploy Retrieval-Augmented Generation (RAG) pipelines - including chunking strategies, vector store selection, hybrid retrieval, and evaluation.
Build multi-agent systems with tool use, memory, planning, and inter-agent coordination for enterprise automation and decision-support.
Evaluate and integrate frontier LLMs (OpenAI, Anthropic, Mistral, open-source) into secure, scalable production architectures, on cloud and on-prem.
Stay at the forefront of emerging agentic AI research and translate findings into practical product capabilities.

Classical ML, Data Science & Analytics

Design and implement end-to-end ML pipelines: data ingestion, feature engineering, model training, hyper parameter tuning, validation, and deployment.
Apply classical ML techniques across regression, classification, clustering, time-series forecasting, anomaly detection, and optimization.
Deliver rigorous data analysis and statistical modeling to generate actionable insights for clients.
Ensure models are production-ready: robust, interpretable, monitored, and aligned with business KPIs.

Technical Leadership & Mentorship

Lead, mentor, and coach junior data and AI scientists - guiding their technical growth, reviewing their code, and building their problem-solving capabilities.
Define and enforce technical standards, best practices, and review processes across the data science team.
Drive knowledge-sharing through internal presentations, documentation, and technical sessions.

Client-Facing Analytics Solutioning

Collaborate with client engagement and technical teams to understand business requirements and translate them into actionable AI/analytics solutions.
Provide strategic input on solution design, aligning analytical capabilities with client objectives.
Serve as a technical lead in solution delivery discussions and workshops with clients.

Integration, Deployment & MLOps

Collaborate with engineering teams to ensure seamless deployment of models into production via APIs, containerization (Docker/Kubernetes), and CI/CD pipelines.
Implement model monitoring, drift detection, and retraining workflows to maintain solution performance post-deployment.
Champion clean, maintainable, well-documented code practices across the team.

Technical Stack

Languages & Libraries: Python (primary), SQL, NumPy, pandas, scikit-learn, XGBoost, LightGBM
Agentic & LLM Frameworks: LangChain, LangGraph, Model Context Protocol (MCP), OpenAI API, Anthropic API
RAG & Vector Stores: FAISS, Pinecone; embedding models and evaluation frameworks
Deep Learning: PyTorch, TensorFlow/Keras, Hugging Face Transformers
Cloud: one or more of: AWS, GCP, Azure
Databases: PostgreSQL, Oracle; vector databases
MLOps: Docker, MLflow, CI/CD pipelines

Qualifications

Bachelor’s or Master’s degree in Computer Science, Engineering, or a related field.
6-8+ years of hands-on experience in data science, applied machine learning, and AI engineering.
Demonstrable production experience with LLMs, RAG pipelines, and agentic AI systems.
Strong classical ML and statistical modeling expertise across multiple problem types and domains.
Demonstrated ability to lead technical work and mentor junior team members.
Ability to balance technical depth with practical delivery and business impact.
Excellent collaboration and communication skills to work across teams and with clients.
Fluency in English (written and spoken). Arabic

Nice to Have

Experience delivering AI solutions across multiple industry sectors (e.g., government, energy, finance, healthcare, or retail).
Client-facing or consulting experience - working directly with external stakeholders on solution design and delivery.
Experience with on-premise LLM deployment and air-gapped AI environments.
Familiarity with Arabic NLP and multilingual models.
Background in decision intelligence, operations research, or simulation modeling.
Publications, open-source contributions, or public technical presence.

Employee benefits

Equity ownership in a pioneering deep-tech company.
Comprehensive medical insurance for employees and dependents.
Children’s school allowance and relocation support, as applicable.
Collaborative, mission-driven work culture with opportunities for professional growth.

We are committed to continuously enhancing our benefits package to adapt to the unique needs and circumstances of our valued team members, ensuring a supportive and enriching environment for everyone at Intelmatix.

المصدر: LinkedIn - أُضيفت للموقع في 30 يوليو 2026