مهندس الذكاء الاصطناعي – رؤية الكمبيوتر
حول الدور
نحن نوظف مهندسًا متحمسًا للذكاء الاصطناعي ولديه اهتمام قوي برؤية الكمبيوتر للانضمام إلى فريقنا في GIFT City. سوف تحصل على خبرة عملية في تصميم وتدريب وتحسين ونشر أنظمة الذكاء الاصطناعي القائمة على الرؤية المستخدمة في الرعاية الصحية والتكنولوجيا المالية والتصنيع وأتمتة البيع بالتجزئة وتطبيقات المؤسسات.
يعد هذا التدريب مثاليًا للمتعلمين الذين يريدون التعرض الحقيقي لتطوير الذكاء الاصطناعي ومجموعات البيانات واسعة النطاق وبناء نموذج على مستوى الإنتاج لحالات الاستخدام العالمية.
المسؤوليات الرئيسية:
- قم بتطوير نماذج رؤية الكمبيوتر وتدريبها وتحسينها لاكتشاف الكائنات وتقسيمها والتعرف الضوئي على الحروف والكشف عن الحالات الشاذة واستخراج العناصر الحيوية المستندة إلى rPPG وتحليلات الفيديو المخصصة.
- قم ببناء خطوط بيانات قوية لاستيعاب الصور/الفيديو، والتنظيف، والتكبير، وسير عمل التعليقات التوضيحية.
- قم بإجراء تقييم النموذج باستخدام المقاييس القياسية مثل mAP وIoU وF1 والدقة والاستدعاء وزمن الوصول والدقة.
- انشر النماذج إلى الإنتاج باستخدام TensorFlow أو PyTorch أو ONNX Runtime أو OpenVINO.
- تطوير واجهات برمجة التطبيقات الاستدلالية القابلة للتطوير ودمج النماذج مع الأنظمة الخلفية.
- تنفيذ تقنيات تحسين النموذج بما في ذلك التكميم والتشذيب والتقطير وتسريع وحدة معالجة الرسومات.
- قم بالبحث والتجربة باستخدام البنى الحديثة مثل Transformers ومتغيرات YOLO وهجينة RNN/CNN ونماذج الهواتف المحمولة خفيفة الوزن.
- تعاون مع فرق DevOps لتخزين أحمال عمل الاستدلال باستخدام Docker ونشرها على الأنظمة الأساسية السحابية.
- قم بتوثيق التجارب والنتائج وأفضل الممارسات بشكل واضح للفرق الداخلية والعملاء.
المهارات المطلوبة
- إتقان قوي للغة Python وأطر التعلم العميق (PyTorch أو TensorFlow).
- فهم قوي لخوارزميات التعلم الآلي وأساسيات رؤية الكمبيوتر.
- تجربة مع OpenCV وNumPy والمعالجة المسبقة للصور/الفيديو.
- خبرة عملية في مجموعات البيانات والشروح وتصميم خطوط سير السيرة الذاتية.
- القدرة على تدريب نماذج التعلم العميق والتحقق من صحتها وضبطها.
- الإلمام بنشر أعباء عمل ML على البيئات السحابية أو الحاوية.
- مهارات تحليلية وتصحيح جيدة.
مهارات جميلة يجب أن تمتلكها
- تجربة مع YOLOv7/8 أو Detectron2 أو MediaPipe أو OpenVINO أو ONNX Runtime.
- التعرض لاستخراج إشارة rPPG، وتقدير العناصر الحيوية، والقياسات الحيوية القائمة على الفيديو.
- فهم أدوات وممارسات MLOps.
- المعرفة بخدمات AWS أو GCP أو Azure ML.
- تجربة مع تحسين وحدة معالجة الرسومات وضبط أداء النموذج في الوقت الفعلي.
