وظيفة عن بُعد لمهندس تعلم آلي في شركة دوكلين، تتطلب خبرة متوسطة في بناء ونشر نماذج ذكاء اصطناعي قابلة للتوسع باستخدام Python وMLOps.
في سوق العمل التقني، غالباً ما تُستخدم مصطلحات مثل "عالم بيانات" و"مهندس تعلم آلي" بشكل متبادل، لكن الفارق بينهما جوهري. عالم البيانات يركز على تحليل البيانات واستخراج الرؤى باستخدام أدوات إحصائية وتقنيات تصور البيانات، بينما يتولى مهندس تعلم الآلة مسؤولية تحويل النماذج النظرية إلى أنظمة قابلة للنشر والتشغيل في بيئات الإنتاج. هذه الوظيفة المعلنة تتجاوز مجرد بناء النماذج؛ فهي تتطلب خبرة في هندسة الأنظمة وضمان استقرار الأداء في الوقت الفعلي، ما يجعلها أقرب إلى دور هندسي متكامل منه إلى دور تحليلي بحت.
الشركة هنا لا تبحث عن شخص يكتب خوارزميات تجريبية فحسب، بل عن مهندس قادر على التعامل مع تحديات الإنتاج: زمن الاستجابة المنخفض، قابلية التوسع، وإدارة خطوط أنابيب MLOps. هذا التمييز يجعل الوظيفة مناسبة للمطورين الذين يمتلكون خلفية قوية في هندسة البرمجيات بجانب خبرتهم في الذكاء الاصطناعي، وليس فقط للخبراء في النمذجة الرياضية.
تتطلب الوظيفة مستوى خبرة "متوسط"، وهو تصنيف غالباً ما يُساء فهمه في سوق العمل. في سياق تعلم الآلة، لا يعني "متوسط" مجرد معرفة بأساسيات Python أو مكتبات مثل TensorFlow وPyTorch، بل يتطلب القدرة على التعامل مع تحديات حقيقية في الإنتاج. على سبيل المثال، يجب على المرشح أن يكون قد عمل سابقاً على تحسين نماذج التعلم العميق لتقليل زمن الاستجابة، أو قام ببناء خطوط أنابيب تلقائية لتدريب النماذج ونشرها، أو تعامل مع مشكلات مثل انحراف البيانات في بيئات الإنتاج.
الشركة تحدد لغة Python كمتطلب وحيد، وهذا ليس عشوائياً. Python هي اللغة السائدة في مجال تعلم الآلة بفضل مكتباتها الغنية مثل NumPy وPandas وScikit-learn، إضافة إلى أطر العمل المتخصصة مثل TensorFlow وPyTorch. لكن ما يميز هذه الوظيفة هو أنها لا تقتصر على استخدام Python لكتابة خوارزميات، بل تتطلب أيضاً خبرة في دمج هذه الخوارزميات ضمن بنية تحتية سحابية، ما يعني أن المرشح المثالي يجب أن يكون ملمّاً بأدوات مثل Docker وKubernetes، وربما حتى ببعض مفاهيم هندسة البرمجيات التقليدية.
العمل عن بُعد في مجال مثل تعلم الآلة ليس مجرد ميزة راحة، بل يتطلب مهارات إضافية قد لا تكون ضرورية في بيئات العمل التقليدية. على سبيل المثال، يجب على المهندس أن يكون قادراً على إدارة الوقت بكفاءة والتعامل مع فرق موزعة جغرافياً، حيث قد تختلف المناطق الزمنية. إضافة إلى ذلك، تتطلب بيئات الإنتاج السحابية مستوى عالٍ من التنظيم والتنسيق، خاصة عندما يتعلق الأمر بمراقبة أداء النماذج في الوقت الفعلي وتحديثها دون تعطيل الخدمات.
الشركة هنا تقدم فرصة للعمل عن بُعد من أسيوط، مصر، ما يعني أنها تستهدف مواهب محلية قد لا تتاح لها فرص مماثلة في الشركات العالمية التي تركز على المدن الكبرى. هذا النموذج يتيح للمهندسين ذوي الخبرة المتوسطة فرصة للعمل على مشاريع حقيقية دون الحاجة إلى الانتقال الجغرافي، لكنه في الوقت نفسه يضع عليهم مسؤولية إضافية لضمان التواصل الفعال مع الفرق الأخرى والحفاظ على مستوى عالٍ من الإنتاجية.
في سوق العمل التقني العربي، غالباً ما تُعلن الشركات عن وظائف في تعلم الآلة إما كدور تحليلي بحت (عالم بيانات) أو كدور بحثي (باحث في الذكاء الاصطناعي). هذه الوظيفة تختلف لأنها تركز على الجانب الهندسي من تعلم الآلة، ما يجعلها مناسبة للمطورين الذين يرغبون في الانتقال من مرحلة النماذج التجريبية إلى مرحلة الإنتاج الفعلي. الشركة هنا تبحث عن شخص قادر على بناء أنظمة قابلة للتوسع، وليس مجرد شخص يكتب أكواداً تجريبية.
الراتب المعلن يتراوح بين 11,000 و13,000 جنيه مصري، وهو نطاق يتوافق مع مستوى الخبرة المتوسطة في السوق المحلي. لكن ما يميز هذه الفرصة هو أنها تقدم تجربة عملية في مجال MLOps، وهو مجال ناشئ نسبياً في المنطقة العربية ويشهد طلباً متزايداً عالمياً. للمهندسين الذين يسعون لبناء مسار مهني طويل الأمد في تعلم الآلة، فإن اكتساب خبرة في نشر وإدارة النماذج في الإنتاج يعد إضافة قيمة لسيرتهم الذاتية.
أخيراً، الشركة نفسها تعمل في مجال الذكاء الاصطناعي والتكنولوجيا السحابية، ما يعني أن المرشح سينخرط في بيئة تقنية متقدمة نسبياً مقارنة بالشركات التقليدية. هذا النوع من البيئات يوفر فرصاً للتعلم المستمر والتعامل مع تقنيات حديثة، ما قد يكون عاملاً جاذباً للمطورين الذين يسعون لتطوير مهاراتهم في مجالات مثل التعلم العميق والحوسبة السحابية.
📌 شاهد التفاصيل الكاملة وقدّم على وظيفة "Machine Learning Engineer - Remote" الآن