مهندس تعلم آلة أول - تقييم نماذج اللغة الكبيرة / إنشاء المهام (مقرها الهند)

نظرة عامة على الدور

توظف Mercor نيابة عن مختبر أبحاث رائد في مجال الذكاء الاصطناعي لضم مهندسي تعلم آلة ذوي مهارات عالية مع سجل حافل في بناء وتدريب وتقييم أنظمة تعلم الآلة عالية الأداء في بيئات واقعية. في هذا الدور، ستقوم بتصميم وتطبيق وتنظيم مجموعات بيانات تعلم آلة عالية الجودة ومهام وسير عمل للتقييم التي تدعم تدريب واختبار أنظمة الذكاء الاصطناعي المتقدمة.

هذا المنصب مثالي للمهندسين الذين برعوا في بيئات تعلم الآلة التنافسية مثل Kaggle، ويمتلكون حدسًا عميقًا في النمذجة، ويمكنهم ترجمة مشكلات العالم الحقيقي المعقدة إلى مسارات عمل ومجموعات بيانات تعلم آلة قوية ومنظمة جيدًا. ستعمل عن كثب مع الباحثين والمهندسين لتطوير مشكلات تعلم آلة واقعية، وضمان جودة مجموعات البيانات، وقيادة تجارب قابلة للتكرار وذات تأثير عالٍ.

يجب أن يمتلك المرشحون 3-5 سنوات أو أكثر من الخبرة في تعلم الآلة التطبيقي أو سجل قوي في تعلم الآلة التنافسي، ويجب أن يكونوا مقيمين في الهند. المتقدمون المثاليون بارعون في Python، ولديهم خبرة في بناء مسارات عمل قابلة للتكرار، ومطلعون على أطر عمل القياس، ومنهجيات التسجيل، وأفضل ممارسات تقييم تعلم الآلة.

المسؤوليات

• صياغة مشكلات تعلم آلة فريدة لتعزيز قدرات تعلم الآلة لنماذج اللغة الكبيرة (LLMs).
• تصميم وبناء وتحسين نماذج تعلم الآلة لمهام التصنيف، التنبؤ، معالجة اللغة الطبيعية (NLP)، التوصية، أو المهام التوليدية.
• إجراء دورات تجريب سريعة، وتقييم أداء النموذج، والتكرار باستمرار.
• إجراء هندسة الميزات المتقدمة ومعالجة البيانات الأولية.
• تطبيق الاختبارات العدائية، وفحوصات متانة النموذج، وتقييمات التحيز.
• ضبط وتقييم ونشر النماذج القائمة على المحولات عند الضرورة.
• الاحتفاظ بتوثيق واضح لمجموعات البيانات والتجارب وقرارات النموذج.
• البقاء على اطلاع بأحدث أبحاث وأدوات وتقنيات تعلم الآلة لدفع قدرات النمذجة قدمًا.

المؤهلات المطلوبة

• ما لا يقل عن 3-5 سنوات من الخبرة بدوام كامل في تطوير نماذج تعلم الآلة
• شهادة تقنية في علوم الحاسوب، الهندسة الكهربائية، الإحصاء، الرياضيات، أو مجال ذي صلة
• خبرة مثبتة في تعلم الآلة التنافسي (Kaggle، DrivenData، أو ما يعادلها)
• دليل على أداء رفيع المستوى في مسابقات تعلم الآلة (ميداليات Kaggle، مراكز نهائية، تصنيفات لوحة المتصدرين)
• إتقان قوي لـ Python، PyTorch/TensorFlow، وأطر عمل تعلم الآلة/معالجة اللغة الطبيعية الحديثة
• فهم قوي لأساسيات تعلم الآلة: الإحصاء، التحسين، تقييم النموذج، البنى المعمارية
• خبرة في التدريب الموزع، مسارات عمل تعلم الآلة، وتتبع التجارب
• مهارات قوية في حل المشكلات والتفكير الخوارزمي
• خبرة في العمل مع البيئات السحابية (AWS/GCP/Azure)
• مهارات تحليلية وتواصلية وشخصية استثنائية
• القدرة على شرح قرارات النمذجة، المقايضات، ونتائج التقييم بوضوح
• إتقان اللغة الإنجليزية

يفضل / ميزة إضافية

• Kaggle Grandmaster، Master، أو عدة ميداليات ذهبية
• خبرة في إنشاء معايير، تقييمات، أو مشكلات تحدي تعلم الآلة
• خلفية في النماذج التوليدية، نماذج اللغة الكبيرة (LLMs)، أو التعلم متعدد الوسائط
• خبرة في التدريب الموزع على نطاق واسع
• خبرة سابقة في أبحاث الذكاء الاصطناعي، منصات تعلم الآلة، أو فرق البنية التحتية
• مساهمات في المدونات التقنية، مشاريع مفتوحة المصدر، أو المنشورات البحثية
• خبرة سابقة في الإرشاد أو القيادة التقنية
• أوراق بحثية منشورة (مؤتمر أو مجلة)
• خبرة في الضبط الدقيق لنماذج اللغة الكبيرة (LLM fine-tuning)، قواعد بيانات المتجهات، أو مسارات عمل الذكاء الاصطناعي التوليدي
• الإلمام بأدوات MLOps: Weights & Biases, MLflow, Airflow, Docker, إلخ.
• خبرة في تحسين أداء الاستدلال ونشر النماذج على نطاق واسع

لماذا تنضم إلينا

• اكتساب خبرة في مسارات عمل أبحاث الذكاء الاصطناعي المتطورة، والتعاون الوثيق مع علماء البيانات، ومهندسي تعلم الآلة، وقادة البحث الذين يشكلون أنظمة الذكاء الاصطناعي من الجيل التالي.
• العمل على تحديات تعلم آلة عالية التأثير مع التجريب باستراتيجيات نمذجة متقدمة، وأساليب تحليلية جديدة، وتقنيات تحقق بمستوى تنافسي.
• التعاون مع مختبرات الذكاء الاصطناعي وفرق تقنية عالمية المستوى تعمل في طليعة التنبؤ، التجريب، تعلم الآلة الجدولي، والتحليلات متعددة الوسائط.
• خيارات عمل مرنة (30-40 ساعة/أسبوع أو دوام كامل) — مثالية لمهندسي تعلم الآلة المتحمسين لتطبيق حل المشكلات بمستوى Kaggle على أنظمة الذكاء الاصطناعي الواقعية والجاهزة للإنتاج.
• العمل عن بعد بالكامل ومرونة عالمية — مُحسّن للعمل التقني العميق، والتعاون غير المتزامن، وبيئات البحث عالية الإنتاجية.