📍 المملكة العربية السعودية تحديث مستمر على مدار الساعة
بوابة الوظائف

وظيفة مهندس/عالم أبحاث تعلم آلة لدى Jobgether في السعودية

ML Research Engineer / Scientist
🏢 Jobgether
🕒 نُشرت: (اليوم) 📍 السعودية وظائف الهندسة والتقنية
التقديم على الوظيفة من المصدر الرسمي ↗

تفاصيل الوظيفة

شركة شريكة مع Jobgether تبحث عن مهندس/عالم أبحاث في تعلم الآلة (ML Research Engineer / Scientist) للعمل في السعودية. انضم إلى فريق بحثي يبني نماذج ذكاء اصطناعي من الجيل التالي مصممة لفهم فحوصات CT كاملة بدلاً من النتائج المعزولة. ستشارك في تطوير النماذج الأساسية، والتعلم البصري-اللغوي، والكشف عن النتائج المتعددة باستخدام بيانات التصوير الطبي على نطاق غير مسبوق، مع مسار مباشر من التجارب إلى التقديم التنظيمي والاستخدام السريري الحقيقي.

المهام والمسؤوليات

  • تصميم وتطوير وتدريب وتقييم نماذج تعلم آلة قادرة على تفسير فحوصات CT كاملة على مستوى الدراسة.
  • البحث في مناهج النماذج الأساسية للتصوير الطبي، بما في ذلك التعلم ثلاثي الأبعاد والحجمي على نطاق واسع.
  • تطوير والتحقيق في النماذج البصرية-اللغوية التي تربط الصور الطبية بالمصطلحات وأنماط التقارير التي يستخدمها أخصائيو الأشعة.
  • بناء نماذج قادرة على تحديد وترتيب أولويات النتائج السريرية العاجلة المتعددة في وقت واحد مع الحفاظ على نقاط تشغيل آمنة ومناسبة سريرياً.
  • تصميم وتنفيذ تجارب مستقلة، بدءاً من صياغة الفرضيات واختيار البنية وصولاً إلى التدريب والتقييم والتحليل.
  • تطوير بنى مخصصة وخطوط أنابيب تدريب ووظائف خسارة ومناهج تدريب موزعة باستخدام أطر عمل حديثة للتعلم العميق.
  • تحليل أداء النماذج بدقة وإنشاء منهجيات تقييم قابلة للتكرار مناسبة للأنظمة ذات العواقب السريرية.
  • العمل عن كثب مع أخصائيي أشعة حاصلين على زمالات لفهم المتطلبات السريرية وتفسير النتائج وترجمة نتائج الأبحاث إلى تحسينات عملية في النماذج.
  • المساهمة في النماذج والأبحاث التي تتقدم نحو التقديم التنظيمي والنشر السريري والاستخدام الفعلي مع المرضى.
  • تحمل مسؤولية المشاريع البحثية من البداية إلى النهاية واتخاذ قرارات مستنيرة بشأن التجارب والمناهج الأكثر احتمالاً لتحقيق تحسينات ذات معنى.
  • التعاون مع فرق هندسة تعلم الآلة وهندسة البرمجيات لنقل الأبحاث الناجحة من مرحلة التجارب إلى أنظمة قابلة للنشر.
  • امتلاك النماذج والتجارب بالكامل، بدءاً من تطوير الفكرة الأولية مروراً بالتدريب والتقييم والمعايرة ووصولاً إلى جاهزية الإنتاج.

الشروط والمتطلبات

  • خبرة عملية قوية في تعلم الآلة الحديث والتعلم العميق، وخاصة باستخدام PyTorch للبنى المخصصة وحلقات التدريب والتجارب.
  • فهم عميق لأسباب نجاح بنى تعلم الآلة والأهداف واستراتيجيات التحسين ومناهج التدريب، بدلاً من الاعتماد فقط على التطبيقات الحالية.
  • قدرة مثبتة على صياغة الفرضيات بشكل مستقل وتصميم التجارب وتفسير النتائج والتكرار نحو نماذج أفضل.
  • فهم قوي للتجارب الصارمة والتقييم وقابلية التكرار والتحقق من صحة النماذج.
  • خبرة في العمل مع مجموعات بيانات ضخمة وبيئات تدريب موزعة (تُعتبر ذات قيمة عالية).
  • اهتمام قوي بحل المشكلات الصعبة تقنياً حيث يكون لأداء النموذج وموثوقيته عواقب حقيقية ذات معنى.
  • القدرة على العمل بفعالية مع الباحثين والمهندسين والخبراء السريريين في بيئة تعاونية.
  • خبرة في التصوير الطبي أو الرؤية الحاسوبية ثلاثية الأبعاد أو البيانات الحجمية (ميزة إضافية وليست إلزامية).
  • خبرة في النماذج البصرية-اللغوية أو التعلم الذاتي الإشراف (ميزة إضافية).
  • معرفة بـ DICOM أو التصوير المقطعي المحوسب أو الأشعة أو تنسيقات وسير عمل البيانات الطبية الأخرى (مفيدة).
  • الدكتوراه أو المنشورات البحثية أو الخلفية الأكاديمية البحثية القوية (ميزة إضافية وليست شرطاً أساسياً).
  • خبرة سابقة في الذكاء الاصطناعي الطبي ليست مطلوبة؛ الرغبة في تعلم المفاهيم السريرية مباشرة من خبراء الأشعة محل تقدير.
  • مهارات قوية في التواصل الكتابي والشفوي والقدرة على العمل بشكل مستقل في بيئة عمل عن بُعد بشكل كامل.

المزايا

  • وظيفة عن بُعد بشكل كامل مفتوحة للمرشحين حول العالم.
  • تعويض مرن حسب الموقع مع راتب أساسي نقدي يُحدد وفقاً للسوق المحلي في بلد العمل.
  • نطاق التعويض المحدد لموقعك سيُشار إليه مبكراً في عملية التوظيف.
  • لا تتضمن العروض الدولية حصصاً في الأسهم؛ التعويض منظم بشفافية حول الراتب النقدي المحلي.
  • فرصة العمل مع مجموعة بيانات CT حقيقية تغطي حوالي 10 ملايين مريض مقترنة بتقارير أشعة.
  • تعاون مباشر مع أخصائيي أشعة حاصلين على زمالات في مجالات تشمل الصدر والجسم والعضلات الهيكلية والأعصاب والأورام.
  • فرصة العمل على أبحاث يمكن أن تتقدم من التجارب إلى تقديمات إدارة الغذاء والدواء (FDA) والنشر في المستشفيات ورعاية المرضى في غضون أشهر.
  • التعرض لنماذج أساسية واسعة النطاق، والتعلم البصري-اللغوي، والتدريب الموزع، والتصوير الطبي، وتقييم الذكاء الاصطناعي السريري.
  • درجة عالية من الملكية على الأفكار البحثية والتجارب والنماذج والاتجاه التقني.
  • فرصة العمل إلى جانب باحثين ومهندسين ذوي إسهامات كبيرة في الذكاء الاصطناعي الطبي ومجموعات البيانات المفتوحة والخوارزميات والأنظمة السريرية للذكاء الاصطناعي.
  • فريق صغير موجه نحو الأبحاث حيث يمكن للأفكار الناجحة أن تنتقل بسرعة من البحث إلى الإنتاج.
عرض النص الأصلي للإعلان
This position is listed on behalf of a partner company, who manages all applications and next steps. Our partner is looking for a ML Research Engineer / Scientist based in Saudi Arabia.

Join a research-driven team building next-generation AI models designed to understand complete CT studies rather than isolated findings.

You’ll work on foundation models, vision-language learning, and multi-finding detection using medical imaging data at unprecedented scale.

Your research will have a direct path from experimentation to regulatory submissions, hospital deployment, and real-world patient care.

You’ll own models and experiments end to end, from developing the initial idea through training, evaluation, calibration, and production readiness.

You’ll work alongside experienced ML engineers, software engineers, and fellowship-trained radiologists across multiple clinical specialties.

The role combines deep technical research with practical impact, giving you the opportunity to solve challenging problems in medical AI with exceptionally rich real-world data.

This is a fully remote opportunity for an independent researcher who wants their work to move quickly from the lab into clinical practice.

Accountabilities

  • Design, develop, train, and evaluate machine learning models capable of interpreting complete CT studies at the study level.
  • Research foundation-model approaches for medical imaging, including 3D and volumetric learning at large scale.
  • Develop and investigate vision-language models that connect medical images with the terminology and reporting patterns used by radiologists.
  • Build models capable of identifying and prioritizing multiple urgent clinical findings simultaneously while maintaining safe and clinically appropriate operating points.
  • Design and execute independent experiments, from hypothesis formation and architecture selection through training, evaluation, and analysis.
  • Develop custom architectures, training pipelines, loss functions, and distributed training approaches using modern deep learning frameworks.
  • Analyze model performance rigorously and establish reproducible evaluation methodologies suitable for clinically consequential AI systems.
  • Work closely with fellowship-trained radiologists to understand clinical requirements, interpret results, and translate research findings into practical model improvements.
  • Contribute to models and research that progress toward regulatory submissions, clinical deployment, and real-world patient use.
  • Take ownership of research projects end to end and make informed decisions about which experiments and approaches are most likely to deliver meaningful improvements.
  • Collaborate with ML and software engineering teams to move successful research from experimentation toward robust, deployable systems.

Requirements

  • Strong practical experience with modern machine learning and deep learning, particularly using PyTorch for custom architectures, training loops, and experimentation.
  • Deep understanding of why machine learning architectures, objectives, optimization strategies, and training approaches work, rather than relying solely on existing implementations.
  • Demonstrated ability to independently formulate hypotheses, design experiments, interpret results, and iterate toward better models.
  • Strong understanding of rigorous experimentation, evaluation, reproducibility, and model validation.
  • Experience working with large-scale datasets and distributed training environments is highly valuable.
  • A strong interest in solving technically challenging problems where model performance and reliability have meaningful real-world consequences.
  • Ability to work effectively with researchers, engineers, and clinical experts in a collaborative environment.
  • Medical imaging, 3D computer vision, or volumetric-data experience is advantageous but not required.
  • Experience with vision-language models or self-supervised learning is a plus.
  • Familiarity with DICOM, CT imaging, radiology, or other medical-data formats and workflows is beneficial.
  • A PhD, research publications, or a strong academic research background is a plus, but not a prerequisite.
  • Prior medical-AI experience is not required; a willingness to learn clinical concepts directly from radiology experts is valued.
  • Strong written and verbal communication skills and the ability to work independently in a fully remote environment.

Benefits

  • Fully remote position open to candidates worldwide.
  • Location-flexible compensation with a cash-weighted base salary determined according to the local market in the country where you work.
  • Specific compensation range for your location shared early in the hiring process.
  • No equity included in international offers, with compensation structured transparently around local-market cash pay.
  • Opportunity to work with a real-world CT dataset covering approximately 10 million patients, paired with radiology reports.
  • Direct collaboration with fellowship-trained radiologists across areas including chest, body, MSK, neuro, and oncology.
  • Opportunity to work on research that can progress from experimentation to FDA submissions, hospital deployments, and patient care within months.
  • Exposure to large-scale foundation models, vision-language learning, distributed training, medical imaging, and clinically focused AI evaluation.
  • High degree of ownership over research ideas, experiments, models, and technical direction.
  • Opportunity to work alongside researchers and engineers with significant contributions to medical AI, open datasets, algorithms, and clinical AI systems.
  • A small, research-oriented team where successful ideas can move quickly from research into production.

How Jobgether Works

We use an AI-powered matching process to ensure your application is reviewed quickly, objectively, and fairly against the role's core requirements. Our system identifies the top-fitting candidates, and this shortlist is then shared directly with the hiring company. The final decision and next steps (interviews, assessments) are managed by their internal team.

We appreciate your interest and wish you the best!

Why Apply Through Jobgether?

Data Privacy Notice: By submitting your application, you acknowledge that Jobgether will process your personal data to evaluate your candidacy and share relevant information with the hiring employer. This processing is based on legitimate interest and pre-contractual measures under applicable data protection laws (including GDPR). You may exercise your rights (access, rectification, erasure, objection) at any time.

We may use artificial intelligence (AI) tools to support parts of the hiring process, such as reviewing applications, analyzing resumes, or assessing responses and identifying potential inconsistencies or verification signals in application materials based on available information. These tools assist our recruitment team but do not replace human judgment. Final hiring decisions are ultimately made by humans. If you would like more information about how your data is processed, please contact us.

المصدر: LinkedIn - أُضيفت للموقع في 18 أغسطس 2026

وظائف أخرى لدى Jobgether