📍 المملكة العربية السعودية تحديث مستمر على مدار الساعة
بوابة الوظائف

وظيفة مهندس AI شاغرة لدى عزم السعودية في الرياض

AI Engineer
🏢 Saudi Azm عزم السعودية
🕒 نُشرت: (اليوم) 📍 الرياض وظائف الهندسة والتقنية
التقديم على الوظيفة من المصدر الرسمي ↗

تفاصيل الوظيفة

شركة عزم السعودية (Saudi Azm) تعلن عن توفر وظيفة مهندس ذكاء اصطناعي (AI Engineer) في مدينة الرياض، السعودية. تتطلب الوظيفة خبرة واسعة في تطوير أنظمة الذكاء الاصطناعي والإنتاج، مع التركيز على نماذج اللغة الكبيرة (LLMs) وبنية التحتية السحابية.

الشروط والمتطلبات

  • المؤهلات المطلوبة:
  • درجة البكالوريوس في هندسة البرمجيات، علوم الحاسب، أو مجال ذي صلة.
  • خبرة 6-8+ سنوات في تطوير البرمجيات، DevOps، أو هندسة المنصات، منها سنتان على الأقل في هندسة الذكاء الاصطناعي التطبيقي أو التعلم الآلي.
  • إثبات تقديم أنظمة إنتاجية في مجال الذكاء الاصطناعي/LLMs (وليس فقط أعمال بحثية أو مرحلة الدفتر).
  • إتقان قوي للغة Python، والإلمام بـ Bash وYAML.
  • خبرة عملية عميقة مع Kubernetes وDocker/Podman وTerraform.
  • خبرة إنتاجية مع سحابة رئيسية واحدة على الأقل (Azure مفضلة؛ OCI أو GCP مقبولة).
  • إثبات ملكية CI/CD على نطاق واسع (Azure DevOps، GitHub Actions) ونماذج إصدار GitOps.
  • خبرة في قيادة فريق ووضع معايير هندسية عبر العديد من الفرق.
  • المؤهلات المفضلة:
  • درجة الماجستير في الذكاء الاصطناعي التطبيقي، التعلم الآلي، أو تخصص ذي صلة.
  • خبرة في الضبط الدقيق باستخدام QLoRA/LoRA على مجموعات GPU؛ وإتقان PyTorch وTransformers.
  • خبرة في قواعد البيانات المتجهة (Milvus, Pinecone, Weaviate) وتصميم استرجاع RAG.
  • خبرة في تقديم خدمات للجهات الحكومية السعودية أو المنصات الرقمية الوطنية واسعة النطاق، مع الإلمام بالامتثال والمعايير المحلية.
  • إتقان اللغة العربية والإنجليزية بمستوى احترافي.

المهام والمسؤوليات

  • أنظمة الذكاء الاصطناعي:
  • بناء وضبط وتقييم أنظمة LLM لمهام محددة المجال (QLoRA/PEFT على نماذج مفتوحة الوزن مثل Llama-3 وMistral).
  • تصميم أدوات تقييم قابلة للتكرار وأطر اختبار A/B مع مقاييس متتبعة: معدل نجاح المهمة، معدل الأمان، وتوزيعات زمن الاستجابة (p50/p95).
  • تصميم أنظمة متعددة العوامل وRAG (LangGraph, FastAPI, قواعد بيانات متجهة) من النموذج الأولي إلى الإنتاج.
  • تنفيذ حواجز الأمان - التحقق من المدخلات/المخرجات، سياسات القائمة المسموحة/الممنوعة، وضوابط تقلل من الإجراءات غير الصالحة أو عالية المخاطر للنموذج.
  • ترجمة حالات الاستخدام التجارية إلى نماذج أولية قابلة للنشر بمعايير قبول قابلة للقياس، وعرضها على أصحاب المصلحة.
  • المنصة والبنية التحتية:
  • تصميم وتشغيل البنية التحتية السحابية ومساحات عمل MLOps (Azure, OCI, GCP) لأعباء عمل الذكاء الاصطناعي على Kubernetes وبيئات تشغيل الحاويات.
  • بناء مسارات CI/CD وترويج الإصدارات المستندة إلى GitOps (Argo CD) عبر بيئات التطوير والاختبار والإنتاج.
  • تنفيذ قابلية المراقبة الشاملة (Azure Monitor, Application Insights, ELK) مع أهداف محددة للكشف والاستجابة.
  • تطبيق معايير أمان الشبكة والمحيط (FW/WAF)، وفحص جودة الكود وفحص مكونات الطرف الثالث آليًا (SonarQube, Black Duck)، ومسارات محمية.
  • امتلاك تصميم التعافي من الكوارث - النسخ الاحتياطي الآلي، تجاوز الفشل، والتزامات RTO/RPO موثقة.
  • القيادة الهندسية:
  • قيادة وتدريب فريق عمليات السحابة/الذكاء الاصطناعي؛ تحديد ممارسات المراقبة، الاستجابة للحوادث، وحوكمة الإصدارات بأهداف واضحة لزمن التشغيل ومتوسط زمن الإصلاح (MTTR).
  • توحيد ممارسات دورة حياة تطوير البرمجيات - استراتيجية الفروع، حوكمة طلبات السحب، إدارة الإصدارات، تقارير التسليم - لتحسين زمن التوصيل وتكرار النشر.
  • دمج الأدوات وسير العمل الهندسية؛ قيادة عمليات الترحيل وتوحيد المنصات حيث يؤدي التجزؤ إلى إبطاء التسليم.
  • إعداد وثائق التسليم ودلائل التشغيل التي تجعل الأنظمة قابلة للتدقيق وقابلة للتحويل تشغيليًا.
  • دعم مفاوضات البائعين والتراخيص لاتفاقيات المؤسسات السحابية.
عرض النص الأصلي للإعلان
Job Description

Required Qualifications:

Bachelor's degree in Software Engineering, Computer Science, or a related field.

6-8+ years in software, DevOps, or platform engineering, including at least 2 years in an applied AI or ML engineering capacity.

Proven delivery of production AI/LLM systems - not only research or notebook-stage work.

Strong Python; comfortable with Bash and YAML.

Deep hands-on experience with Kubernetes, Docker/Podman, and Terraform.

Production experience with at least one major cloud (Azure preferred; OCI or GCP acceptable).

Demonstrated ownership of CI/CD at scale (Azure DevOps, GitHub Actions) and GitOps release models.

Experience leading a team and setting engineering standards across multiple squads.

Preferred Qualifications

Master's degree in Applied AI, Machine Learning, or a related discipline.

Fine-tuning experience with QLoRA/LoRA on GPU clusters; PyTorch and Transformers.

Vector database experience (Milvus, Pinecone, or Weaviate) and RAG retrieval design.

Experience delivering on Saudi government or large-scale national digital platforms, with familiarity in local compliance and standards.

Arabic and English professional proficiency

Job Requirements

 AI systems

  • Build, fine-tune, and evaluate LLM systems for domain-specific tasks (QLoRA / PEFT on open-weight models such as Llama-3 and Mistral).
  • Design reproducible evaluation harnesses and A/B test frameworks with tracked metrics: task success rate, safety rate, and latency distributions (p50/p95).
  • Architect multi-agent and RAG systems (LangGraph, FastAPI, vector databases) from prototype through production.
  • Implement safety guardrails - input/output validation, allowlist/denylist policies, and controls that reduce invalid or high-risk model actions.
  • Translate business use cases into deployable prototypes with measurable acceptance criteria, and demo them to stakeholders.

Platform & infrastructure

  • Design and operate cloud infrastructure and MLOps workspaces (Azure, OCI, or GCP) for AI workloads on Kubernetes and containerized runtimes.
  • Build CI/CD pipelines and GitOps-based release promotion (Argo CD) across development, test, and production environments.
  • Implement end-to-end observability (Azure Monitor, Application Insights, ELK) with defined detection and response targets.
  • Apply network and perimeter security baselines (FW/WAF), automated code quality and SCA scanning (SonarQube, Black Duck), and gated pipelines.
  • Own disaster recovery design - automated backups, failover, and documented RTO/RPO commitments.

Engineering leadership

  • Lead and mentor a cloud/AI operations team; define monitoring, incident response, and release governance practices with clear uptime and MTTR targets.
  • Standardize SDLC practices - branching strategy, PR governance, release management, delivery reporting - to improve lead time and deployment frequency.
  • Consolidate engineering tooling and workflows; drive migrations and platform standardization where fragmentation slows delivery.
  • Produce handover documentation and runbooks that make systems auditable and operationally transferable.
  • Support vendor and licensing negotiations for cloud enterprise agreements
المصدر: LinkedIn - أُضيفت للموقع في 11 أغسطس 2026

وظائف أخرى لدى Saudi Azm عزم السعودية