We're hiring a Senior AI Engineer to design, build, and ship ML and LLM-powered products and the infrastructure behind them. You'll work across the full stack — from data pipelines and model fine-tuning through backend services and MLOps — and play a lead role in shaping how AI systems are built and operated across the organization. This is a hands-on senior role with technical ownership and direct influence on AI products reaching enterprise and government customers.
What You'll Do
Design and implement production-grade ML and LLM applications: RAG pipelines, fine-tuning workflows, evaluation frameworks, and inference services.
Fine-tune open-source LLMs (e.g., Llama, Mistral, Qwen) using techniques such as LoRA/QLoRA, SFT, and DPO for domain-specific use cases.
Build and operate the backend services that power our AI products — APIs, orchestration layers, async job processing, and integrations.
Own MLOps practices: CI/CD for models, experiment tracking, model registry, monitoring, drift detection, and cost/performance optimization.
Design and maintain data engineering pipelines that ingest, clean, transform, and serve structured and unstructured data to AI systems (text, PDF, audio, video).
Build evaluation and observability tooling for LLM outputs (offline benchmarks, online metrics, human-in-the-loop feedback loops).
Collaborate with product, data, and infrastructure teams to translate business problems into deployable AI solutions.
Mentor junior engineers, set technical standards, review code and architecture, and contribute to hiring.
Required Qualifications
5+ years of professional software engineering experience focused on AI/ML or LLM systems in production.
Strong NLP and LLM fine-tuning experience: hands-on work with Hugging Face Transformers, PEFT/LoRA, dataset curation, evaluation, and deployment of fine-tuned models.
MLOps background: model versioning, experiment tracking (MLflow, Weights & Biases, or similar), containerization (Docker), orchestration (Kubernetes), and CI/CD for ML workloads.
Full-stack engineering with backend focus: strong Python (FastAPI, Django) and proficiency building scalable APIs, async workers, and event-driven services.
Data engineering fundamentals: SQL and NoSQL databases, vector databases (pgvector, Qdrant, Weaviate, or Milvus), ETL/ELT pipeline design, and stream/batch processing.
Experience with cloud platforms (AWS, Azure, or GCP) and on-premises GPU environments.
Excellent communication skills in English; ability to work directly with technical and non-technical stakeholders.
Nice to Have
Experience building AI agents and multi-agent systems.
Voice AI experience: ASR (Whisper, conformer-based models), TTS, voice agent pipelines.
Computer vision experience: detection, OCR, document understanding, or multimodal models.
Classical ML expertise: XGBoost, scikit-learn, feature engineering, and tabular modeling.
Deep learning frameworks: PyTorch (preferred), TensorFlow.
Data versioning and pipeline tooling: DVC, LakeFS, Airflow, Prefect, Dagster, or Kubeflow Pipelines.
LLM observability and tracing tools (LangFuse, Langsmith, Arize, Helicone).
Arabic NLP experience or familiarity with localization challenges in the region.
Contributions to open-source AI/ML projects or relevant publications.
نحن نبحث عن مهندس أول للذكاء الاصطناعي لتصميم وبناء وشحن المنتجات المدعومة بتعلم الآلة والنماذج اللغوية الكبيرة (LLM) والبنية التحتية الخاصة بها. ستعمل عبر مختلف طبقات التطوير — بدءًا من أنابيب البيانات والضبط الدقيق للنماذج وصولاً إلى خدمات الخلفية وعمليات تعلم الآلة (MLOps) — وستلعب دورًا قياديًا في تشكيل كيفية بناء أنظمة الذكاء الاصطناعي وتشغيلها عبر المؤسسة. هذا دور قيادي عملي يتضمن ملكية تقنية وتأثيرًا مباشرًا على منتجات الذكاء الاصطناعي الموجهة للعملاء من الشركات والقطاعات الحكومية.
ما ستعمل عليه
تصميم وتنفيذ تطبيقات تعلم الآلة والنماذج اللغوية الكبيرة الجاهزة للإنتاج: أنابيب RAG، وسلاسل عمل الضبط الدقيق، وأطر التقييم، وخدمات الاستنتاج.
إجراء الضبط الدقيق للنماذج اللغوية الكبيرة مفتوحة المصدر (مثل Llama وMistral وQwen) باستخدام تقنيات مثل LoRA/QLoRA وSFT وDPO لحالات استخدام متخصصة في مجالات معينة.
بناء وتشغيل خدمات الخلفية التي تدعم منتجات الذكاء الاصطناعي لدينا — واجهات برمجة التطبيقات (APIs)، وطبقات التنسيق، ومعالجة المهام غير المتزامنة، والتكاملات.
تولي مسؤولية ممارسات MLOps: التكامل والتسليم المستمر (CI/CD) للنماذج، وتتبع التجارب، وسجل النماذج، والمراقبة، واكتشاف الانحراف، وتحسين التكلفة والأداء.
تصميم وصيانة أنابيب هندسة البيانات التي تستوعب البيانات المنظمة وغير المنظمة وتنظفها وتحولها وتقدمها لأنظمة الذكاء الاصطناعي (النصوص، ملفات PDF، الصوت، الفيديو).
بناء أدوات التقييم والملاحظة لمخرجات النماذج اللغوية الكبيرة (المقاييس المرجعية دون اتصال بالإنترنت، والمقاييس المباشرة عبر الإنترنت، وحلقات التغذية الراجعة بمشاركة البشر).
التعاون مع فرق المنتجات والبيانات والبنية التحتية لتحويل مشكلات الأعمال إلى حلول ذكاء اصطناعي قابلة للنشر.
توجيه المهندسين المبتدئين، ووضع المعايير التقنية، ومراجعة الشفرات البرمجية والبنية التحتية، والمساهمة في التوظيف.
المؤهلات المطلوبة
خبرة مهنية تتجاوز 5 سنوات في هندسة البرمجيات مع التركيز على أنظمة الذكاء الاصطناعي/تعلم الآلة أو النماذج اللغوية الكبيرة في بيئات الإنتاج.
خبرة قوية في معالجة اللغة الطبيعية (NLP) والضبط الدقيق للنماذج اللغوية الكبيرة: عمل تطبيقي باستخدام Hugging Face Transformers، وPEFT/LoRA، وتنظيم مجموعات البيانات، والتقييم، ونشر النماذج المضبوطة دقيقًا.
خلفية في MLOps: إدارة إصدارات النماذج، وتتبع التجارب (MLflow، Weights & Biases، أو ما يماثلها)، والتضمين في الحاويات (Docker)، والتنسيق (Kubernetes)، وCI/CD لأحمال عمل تعلم الآلة.
هندسة برمجيات متكاملة (Full-stack) مع التركيز على خدمات الخلفية: إتقان قوي للغة Python (FastAPI, Django) وكفاءة في بناء واجهات برمجة تطبيقات قابلة للتوسع، ومعالجات غير متزامنة، وخدمات قائمة على الأحداث.
أساسيات هندسة البيانات: قواعد بيانات SQL وNoSQL، وقواعد البيانات المتجهة (pgvector، Qdrant، Weaviate، أو Milvus)، وتصميم أنابيب ETL/ELT، والمعالجة بالتدفق/بالدفعة.
خبرة في المنصات السحابية (AWS أو Azure أو GCP) وبيئات وحدات معالجة الرسوميات (GPU) المحلية.
مهارات تواصل ممتازة باللغة الإنجليزية؛ والقدرة على العمل مباشرة مع أصحاب المصلحة التقنيين وغير التقنيين.
مؤهلات إضافية يفضل وجودها
خبرة في بناء وكلاء الذكاء الاصطناعي والأنظمة متعددة الوكلاء.
خبرة في الذكاء الاصطناعي الصوتي: التعرف الآلي على الكلام ASR (Whisper، النماذج القائمة على conformer)، وتحويل النص إلى كلام TTS، وأنابيب وكلاء الصوت.
خبرة في الرؤية الحاسوبية: الاكتشاف، والتعرف الضوئي على الحروف (OCR)، وفهم المستندات، أو النماذج متعددة الوسائط.
خبرة في تعلم الآلة التقليدي: XGBoost، وscikit-learn، وهندسة الميزات، والنمذجة الجدولية.
أطر التعلم العميق: PyTorch (يفضل)، وTensorFlow.
إدارة إصدارات البيانات وأدوات أنابيب العمل: DVC، وLakeFS، وAirflow، وPrefect، وDagster، أو Kubeflow Pipelines.
أدوات الملاحظة والتتبع للنماذج اللغوية الكبيرة (LangFuse، وLangsmith، وArize، وHelicone).
خبرة في معالجة اللغة الطبيعية باللغة العربية أو دراية بتحديات التوطين في المنطقة.
مساهمات في مشاريع الذكاء الاصطناعي/تعلم الآلة مفتوحة المصدر أو منشورات ذات صلة.