تقديم
خبرتي الأساسية:
بنية الذكاء الاصطناعي وRAG: تصميم ونشر خطوط إنتاج RAG باستخدام FastAPI وQdrant وAzure OpenAI/AWS Bedrock.
السحابة والديف أوبس (مستوى الخبير): بصفتي محترف ديف أوبس معتمد من AWS، أؤتمت البنية التحتية باستخدام Terraform وأدير أعباء العمل المحوجرة على Kubernetes (EKS/AKS).
هندسة الخلفية: تطوير خدمات مصغرة غير متزامنة باستخدام بايثون (FastAPI)، تنفيذ التخزين المؤقت الدلالي Redis لتأخير أقل من الثانية، وتحسين أداء PostgreSQL.
LLMOps & المراقبة: تنفيذ استراتيجيات تقليل تكلفة التوكن بنسبة 30٪، وضوابط ذكاء اصطناعي مسؤولة، وقابلية الملاحظة في الوقت الحقيقي باستخدام بروميثيوس وجرافانا.
ما أقدمه لفريقك:
أنا لا أكتب فقط الكود؛ أمتلك دورة حياة منتجات الذكاء الاصطناعي من البداية إلى النهاية — من إعداد البيانات والتجريب إلى النشر والدعم التشغيلي الأصلي للسحابة. أركز على تقديم نتائج أعمال قابلة للقياس من خلال تحسين جودة الكود، والموثوقية، والتكلفة لكل استنتاج.
أنا متاح لأدوار Remote Worldwide ويمكنني العمل كمقاول مستقل لتقديم قيادة تقنية عالية التأثير لاحتياجاتك في منصة الذكاء الاصطناعي.
المسار
أبرز النقاط الأكاديمية والمهنية:
المقررات المتخصصة: تركيز عميق على هياكل البيانات، والخوارزميات (DSA)، وأنظمة قواعد البيانات الموزعة.
الذكاء الاصطناعي وتعلم الآلة: طورت مشاريع عملية تشمل معالجة اللغة الطبيعية (NLP)، والتوليد المعزز بالاسترجاع (RAG)، وتحسين البحث بالمتجهات.
الهندسة السحابية الأصلية: أتقنت حاويات Docker وبنية AWS السحابية، كما يتضح من شهادة AWS DevOps Professional الخاصة بي.
تصميم النظام: خبرة عملية في بناء هياكل خلفية غير متزامنة باستخدام FastAPI وتنفيذ التخزين المؤقت عالي الأداء باستخدام Redis.
تعليمي وفر لي أساسا قويا في البرمجة الكائنية (بايثون/جافا) وإدارة قواعد بيانات SQL/NoSQL، والتي أطبقها الآن لبناء منصات ذكاء اصطناعي دولية قابلة للتوسعة.
