ستنضم إلى فريق الذكاء الاصطناعي وتعمل على تحديات حقيقية ضمن بيئة إنتاج فعلية. وبناءً على نقاط قوتك واهتماماتك، ستساهم في مجالات مثل التنبؤ بوقت الوصول المتوقع ETA Prediction، أنظمة التوصية، البحث الدلالي ضمن كتالوج المطاعم والأطباق لدينا، بالإضافة إلى مشاريع الذكاء الاصطناعي التوليدي باللغة العربية.

ما الذي ستقوم به؟

•  استكشاف وتحليل البيانات التشغيلية باستخدام SQL وPython، بما في ذلك مكتبات مثل NumPy وPandas. 
•  المساعدة في هندسة الخصائص، وتدريب وتقييم نماذج تعلّم الآلة، مثل نماذج التنبؤ بوقت الوصول المتوقع وأنظمة التوصية. 
•  المساهمة في بناء تدفقات عمل الذكاء الاصطناعي التوليدي، بما يشمل التضمينات Embeddings، الاسترجاع Retrieval، الترتيب Ranking، والبحث الهجين الذي يجمع بين البحث بالكلمات المفتاحية والبحث الشعاعي. 
•  تنفيذ التجارب، وقياس النتائج بموضوعية، وعرض المخرجات على الفريق بوضوح. 
•  بناء لوحات تحكم وتقارير تساعد على تحويل البيانات إلى قرارات عملية.

المتطلبات الأساسية:

•  فهم جيد لمفاهيم تعلّم الآلة وعلوم البيانات الأساسية، مثل:
   مفاضلة الانحياز والتباين Bias-Variance Tradeoff، فرط التعلّم Overfitting، التحقق المتقاطع Cross-Validation، اكتشاف تغيّر نمط البيانات Drift Detection، ومقاييس التقييم. 
•  معرفة عملية بلغة Python، وخاصة مكتبات مثل Pandas وScikit-learn أو ما يشابهها، بالإضافة إلى معرفة أساسية بلغة SQL. 
•  أساسيات جيدة في الإحصاء والاحتمالات. 
•  فضول للتعلّم، حس عالٍ بالمسؤولية، وقدرة واضحة على التواصل باللغتين العربية والإنجليزية.

مؤهلات إضافية مفضّلة:

•  معرفة أساسية بالذكاء الاصطناعي التوليدي، مثل نماذج اللغة الكبيرة LLMs، أساسيات كتابة الأوامر Prompting، وتقنية RAG. 
•  فهم لمفاهيم التضمينات Embeddings، التشابه الشعاعي Vector Similarity، الترتيب Ranking، والبحث الهجين Hybrid Search. 
•  التعرض لأدوات مثل Elasticsearch، قواعد البيانات الشعاعية Vector Databases، أو PyTorch. 
•  معرفة بأساسيات Git، بالإضافة إلى أي مشاريع شخصية، أكاديمية، أو مشاريع على Kaggle يمكن مشاركتها.

تفاصيل التدريب

• مدة التدريب: ثلاثة أشهر، مع إمكانية تقديم عرض عمل بدوام كامل للمتميزين في الأداء. 
• الإشراف والتوجيه: ستعمل مباشرة مع مهندسي ذكاء اصطناعي ذوي خبرة على أنظمة مستخدمة فعلياً في بيئة الإنتاج.