وظيفة مهندس تعلم آلة (Machine Learning) مبتدئ/متوسط لدى Si-Ware Systems في الرياض
Jr./Mid Machine Learning Engineer - Time-Series & Inertial AI
🏢 Si-Ware Systems
تفاصيل الوظيفة
تعلن شركة Si-Ware Systems عن توفر فرصة وظيفية لمهندس تعلم آلة (مبتدئ/متوسط) متخصص في السلاسل الزمنية والذكاء الاصطناعي بالقصور الذاتي، للعمل في مكتبها بالرياض، السعودية. ستنضم إلى فريق التكامل على مستوى الأنظمة (SLI) الجديد، وستعمل على تطوير الحلول الذكية لأجهزة الاستشعار بالقصور الذاتي عالية الأداء باستخدام تقنيات التعلم العميق.
المهام والمسؤوليات
- تطوير الشبكات العصبية (مثل CNN وLSTM وTCN وTransformers) لمعالجة بيانات السلاسل الزمنية من المستشعرات بالقصور الذاتي، بهدف تقليل الضوضاء وتحسين الأداء.
- بناء نماذج استشعار افتراضية لتعزيز مخرجات مستشعرات MEMS IMU باستخدام تقنيات التعلم الخاضع للإشراف أو الذاتي.
- إنشاء خطوط معالجة بيانات قوية للتعامل مع مجموعات البيانات الكبيرة عالية التردد (تصفية، تسوية، توسيع، وتقسيم إلى نوافذ زمنية).
- التعاون مع فرق الأنظمة والبرمجيات الثابتة في مصر لضمان توافق النماذج مع القيود الحاسوبية للمتحكمات الدقيقة الطرفية (TinyML).
- تنفيذ خوارزميات تعلم الآلة بناءً على الأوراق البحثية الأكاديمية المنشورة بشكل سريع.
- البحث المستمر عن أحدث الأوراق البحثية الأكاديمية حول تقاطع التعلم الآلي والأنظمة بالقصور الذاتي.
- تحسين النماذج (تكميم وتقليم) لنماذج PyTorch/TensorFlow تمهيدًا لنشرها على أجهزة مدمجة محدودة الموارد (مثل ARM Cortex-M).
الشروط والمتطلبات
- الجنسية: سعودي الجنسية (وفقًا للوائح التوظيف المحلية).
- المؤهل العلمي: بكالوريوس أو ماجستير في هندسة الحاسب، هندسة الطيران والفضاء، الهندسة الكهربائية/الميكانيكية، أو تخصص هندسي وثيق الصلة.
- العضوية: عضوية الهيئة السعودية للمهندسين (فئة مهندس) إلزامية.
- خبرة في تعلم الآلة: خبرة عملية قوية مع أطر التعلم العميق (يفضل PyTorch) وفهم متين لتدريب النماذج على بيانات السلاسل الزمنية.
- إتقان لغة Python مع ممارسات هندسة برمجيات قوية (اختبار الوحدات، تصميم وحدات برمجية).
- إتقان استخدام Git لإدارة الإصدارات.
المهارات المطلوبة
- الإلمام بمفاهيم الملاحة بالقصور الذاتي التقليدية، تمثيلات الاتجاه، مرشحات كالمان الموسعة (EKF)، أو خوارزميات AHRS.
- فهم الشبكات العصبية المقيدة بالفيزياء (PINNs) لكيفية تقييد نماذج الذكاء الاصطناعي بقوانين الفيزياء (مثل الكينماتيكا).
- خبرة في نشر نماذج تعلم الآلة على المتحكمات الدقيقة باستخدام STM32Cube.AI أو ONNX runtime.
المزايا
- العمل على أنظمة ذكاء اصطناعي وأجهزة حقيقية، وليس فقط نماذج نظرية.
- الانضمام إلى شركة تقنية عميقة تبني تقنيات استشعار متطورة.
- التعاون مع فرق هندسية عالية التخصص عبر الحدود.
- تحمل مسؤولية قيادية كأحد المهندسين المؤسسين للتعلم الآلي في الرياض.
- النمو في بيئة تتبنى الابتكار القائم على الذكاء الاصطناعي.
عرض النص الأصلي للإعلان
We are building a new Systems-Level Integration (SLI) team focused on Smart high-performance Inertial Sensors and Systems. As a Machine Learning Engineer in our expanding Riyadh office, you will pioneer the use of Deep Learning to enhance the raw performance of MEMS IMU sensors.
In the initial phase of this role, you will focus entirely on software, simulation, and data-driven modeling. You will work with datasets provided by our core engineering team to train models that correct stochastic errors, denoise signals, and improve sensor performance.
What You Will Do
In the initial phase of this role, you will focus entirely on software, simulation, and data-driven modeling. You will work with datasets provided by our core engineering team to train models that correct stochastic errors, denoise signals, and improve sensor performance.
What You Will Do
- Time-Series AI Development: Design, train, and validate neural networks (CNNs, LSTMs, TCNs, Transformers, etc…) to denoise raw inertial sensors data and fuse them for better performance.
- Virtual Sensing: Develop AI models that enhance MEMS IMU sensor outputs using self-supervised or supervised learning techniques.
- Data Pipeline Engineering: Build robust data processing pipelines to handle massive, high-frequency inertial systems datasets (filtering, normalization, augmentation, and windowing).
- Cross-Border Collaboration: Work closely with the Egypt-based Systems and Firmware teams to ensure your models are designed within the computational limits of edge microcontrollers (TinyML).
- Rapid prototyping: You will be implementing ML algorithms based on published academic research papers.
- Research: You will be required to regularly survey state-of-the-art academic research papers on the intersection of machine learning and inertial systems.
- Model Optimization: Quantize and prune trained PyTorch/TensorFlow models for eventual deployment on resource-constrained embedded targets (e.g., ARM Cortex-M).
- Citizenship: This role is open to Saudi Nationals in line with local employment regulations.
- Education: BSc or MSc in Computer Engineering, Aerospace Engineering, Electrical/Mechanical Engineering, or a strictly related engineering field.
- SCE Membership: Engineer membership in the Saudi council of engineers (Engineer Grade category) is mandatory for this role.
- AI/ML Expertise: Strong hands-on experience with Deep Learning frameworks (PyTorch preferred) and a solid understanding of training models on time-series data.
- Coding: Python proficiency is mandatory, with strong software engineering practices (unit testing, modular code design).
- Version Control: Git proficiency is mandatory.
- Sensor Fusion Knowledge: Familiarity with classical inertial navigation concepts, attitude representations, Extended Kalman Filters (EKF), or AHRS algorithms.
- Physics-Informed Neural Networks (PINNs): Understanding of how to constrain AI models using the laws of physics (e.g., kinematics).
- Edge AI: Experience with machine learning model deployment on Microcontrollers, STM32Cube.AI, or ONNX runtime.
- Work on real-world AI + hardware systems, not just theoretical models.
- Be part of a deep-tech company building advanced sensing technologies.
- Collaborate with highly specialized engineering teams across borders.
- Take ownership as a one of the founding ML engineers in Riyadh.
- Grow in an environment that embraces AI-driven innovation.
المصدر: LinkedIn - أُضيفت للموقع في 12 أغسطس 2026