انضم إلى Accenture Middle East في الرياض كمشرف مشارك في الذكاء الاصطناعي وتعلم الآلة (AI/ML Associate Manager) لتصميم ونشر حلول AI/ML متقدمة تعالج تحديات الأعمال المعقدة، مع التركيز على الخدمات السحابية وتقنيات الذكاء الاصطناعي التوليدي وممارسات MLOps الحديثة.
نبذة عن الوظيفة
- تصميم وتطوير ونشر حلول الذكاء الاصطناعي وتعلم الآلة باستخدام خدمات AI السحابية وأطر العمل الحديثة.
- بناء خطوط بيانات قابلة للتوسع لدعم تدريب النماذج ونشرها ومراقبتها في بيئة الإنتاج.
- تنفيذ ممارسات DevOps وMLOps لإدارة دورة حياة النماذج بكفاءة وتحقيق التسليم المستمر.
- تخصيص وضبط ونشر نماذج الذكاء الاصطناعي التوليدي، ونماذج اللغات الكبيرة (LLMs)، والتعلم العميق حسب متطلبات العمل.
- تطوير حلول AI تعمل عبر البيئات السحابية، والأجهزة الطرفية، والبنية التحتية للحوسبة عالية الأداء (HPC).
- تقييم أداء النماذج وإظهار القيمة التجارية والدقة والفعالية لحلول AI.
- إجراء أنشطة البحث والتطوير لتقييم تقنيات وخوارزميات ونماذج AI الناشئة.
- العمل مع مجموعات بيانات ضخمة مهيكلة وغير مهيكلة، وتطبيق تقنيات إعداد البيانات وهندسة الميزات لتحسين مخرجات النماذج.
- تصميم وتنفيذ حلول تخزين فعالة للبيانات والنماذج والمعرفة لدعم تطبيقات AI وقدرات الاسترجاع.
- التعاون مع مهندسي البيانات والمهندسين المعماريين وأصحاب المصلحة في الأعمال لتقديم حلول AI قابلة للتطوير وجاهزة للإنتاج.
- ضمان اتباع حلول AI لمعايير الأمان والحوكمة والذكاء الاصطناعي المسؤول طوال دورة حياة التطوير.
المهام والمسؤوليات
- تصميم وتطوير حلول AI وML باستخدام خدمات AI السحابية وأطر العمل الحديثة.
- بناء وصيانة خطوط بيانات قابلة للتوسع لدعم تدريب النماذج ونشرها ومراقبتها وعمليات الإنتاج.
- تنفيذ ممارسات DevOps وMLOps لتمكين إدارة دورة حياة النماذج بكفاءة والتسليم المستمر.
- تخصيص وضبط ونشر نماذج الذكاء الاصطناعي التوليدي، ونماذج اللغات الكبيرة (LLMs)، والتعلم العميق بناءً على متطلبات العمل.
- تطوير حلول AI تعمل عبر البيئات السحابية والأجهزة الطرفية والبنية التحتية للحوسبة عالية الأداء (HPC).
- تقييم أداء النماذج وإظهار القيمة التجارية والدقة والفعالية لحلول AI.
- إجراء أنشطة البحث والتطوير لتقييم تقنيات وخوارزميات ونماذج AI الناشئة.
- العمل مع مجموعات بيانات ضخمة مهيكلة وغير مهيكلة، وتطبيق تقنيات إعداد البيانات وهندسة الميزات لتحسين مخرجات النماذج.
- تصميم وتنفيذ حلول تخزين فعالة للبيانات والنماذج والمعرفة لدعم تطبيقات AI وقدرات الاسترجاع.
- التعاون مع مهندسي البيانات والمهندسين المعماريين وأصحاب المصلحة في الأعمال لتقديم حلول AI قابلة للتطوير وجاهزة للإنتاج.
- ضمان اتباع حلول AI لمعايير الأمان والحوكمة والذكاء الاصطناعي المسؤول طوال دورة حياة التطوير.
الشروط والمتطلبات
- 6-9 سنوات من الخبرة في مجال الذكاء الاصطناعي، تعلم الآلة، علوم البيانات، هندسة البيانات، أو المجالات ذات الصلة.
- خبرة عملية في تطوير ونشر حلول AI/ML في بيئات المؤسسات.
- خبرة قوية مع Python وأطر AI/ML الشائعة مثل TensorFlow, PyTorch, Scikit-learn أو تقنيات مماثلة.
- خبرة في العمل مع الذكاء الاصطناعي التوليدي، نماذج اللغات الكبيرة (LLMs)، التعلم العميق، وتقنيات AI ذات الصلة.
- معرفة بخدمات AI السحابية على Azure أو AWS أو Google Cloud Platform.
- خبرة في بناء خطوط البيانات وتنفيذ ممارسات MLOps لنشر النماذج ومراقبتها.
- فهم قوي لهندسة البيانات، معالجة البيانات المسبقة، وتقنيات تحسين النماذج.
- خبرة في ضبط ونشر نماذج الذكاء الاصطناعي التوليدي والنماذج الأساسية لحالات استخدام الأعمال (مفضل).
- معرفة بـ Retrieval-Augmented Generation (RAG)، قواعد البيانات المتجهة، التضمينات، وأطر عمل وكلاء AI (مفضل).
- خبرة مع تقنيات الحاويات مثل Docker ومنصات التنسيق مثل Kubernetes (مفضل).
- الإلمام بـ edge AI، الحوسبة الموزعة، وبيئات الحوسبة عالية الأداء (HPC) (مفضل).
- خبرة في مراقبة AI، مراقبة النماذج، وعمليات دعم الإنتاج (مفضل).
- مهارات تحليلية قوية، حل المشكلات، وإدارة أصحاب المصلحة (مفضل).
- الشهادات ذات الصلة في الذكاء الاصطناعي، تعلم الآلة، علوم البيانات، أو تقنيات السحاب مفضلة.
عرض النص الأصلي للإعلان
Role Overview
As an AI/ML Associate Manager, you will design, develop, and deploy advanced Artificial Intelligence (AI) and Machine Learning (ML) solutions that address complex business challenges. You will leverage cloud AI services, Generative AI technologies, and modern MLOps practices to build scalable, production-ready AI systems. This role requires expertise in model development, data engineering, and AI platform capabilities to support enterprise-wide AI adoption.
Key Responsibilities
Design and develop AI and Machine Learning solutions using cloud-native AI services and modern AI frameworks.
Build and maintain scalable data pipelines to support model training, deployment, monitoring, and production operations.
Implement DevOps and MLOps practices to enable efficient model lifecycle management and continuous delivery.
Customize, fine-tune, and deploy Generative AI, Large Language Models (LLMs), and Deep Learning models based on business requirements.
Develop AI solutions that operate across cloud environments, edge devices, and high-performance computing (HPC) infrastructures.
Evaluate model performance and demonstrate the business value, accuracy, and effectiveness of AI solutions.
Conduct research and development activities to assess emerging AI technologies, algorithms, and modeling approaches.
Work with large-scale structured and unstructured datasets, applying data preparation and feature engineering techniques to improve model outcomes.
Design and implement efficient data, model, and knowledge storage solutions to support AI applications and retrieval capabilities.
Collaborate with data engineers, architects, and business stakeholders to deliver scalable and production-ready AI solutions.
Ensure AI solutions follow security, governance, and Responsible AI standards throughout the development lifecycle.
Basic Qualifications
6-9 years of experience in Artificial Intelligence, Machine Learning, Data Science, Data Engineering, or related fields.
Hands-on experience developing and deploying AI/ML solutions in enterprise environments.
Strong experience with Python and popular AI/ML frameworks such as TensorFlow, PyTorch, Scikit-learn, or similar technologies.
Experience working with Generative AI, Large Language Models (LLMs), Deep Learning, and related AI technologies.
Knowledge of cloud-based AI services on Azure, AWS, or Google Cloud Platform.
Experience building data pipelines and implementing MLOps practices for model deployment and monitoring.
Strong understanding of data engineering, data preprocessing, and model optimization techniques.
Preferred Qualifications
Experience fine-tuning and deploying Generative AI and foundation models for business use cases.
Knowledge of Retrieval-Augmented Generation (RAG), vector databases, embeddings, and AI agent frameworks.
Experience with containerization technologies such as Docker and orchestration platforms such as Kubernetes.
Familiarity with edge AI, distributed computing, and high-performance computing (HPC) environments.
Experience with AI observability, model monitoring, and production support processes.
Strong analytical, problem-solving, and stakeholder management skills.
Relevant certifications in Artificial Intelligence, Machine Learning, Data Science, or Cloud Technologies are preferred.