Shrikant Kashi
رايبور, الهند
Shrikant Kashi
مهندس أنظمة الذكاء الاصطناعي ومستشار استراتيجي
الفئة : الذكاء الإصطناعي
جسر الفجوة بين "النماذج المذهلة" والموثوقية الإنتاجية.
معظم مبادرات الذكاء الاصطناعي المؤسسي تفشل لأنها تعامل نماذج اللغة الكبيرة والوكلاء كبرمجيات تقليدية. أساعد المديرين التقنيين وقادة الهندسة على الابتعاد عن "التحقق اليدوي من الأجواء" والنماذج الأولية الهشة نحو هياكل منهجية ومحكومة ومبنية على البيانات.
بصفتي مهندس أنظمة الذكاء الاصطناعي الرئيسي (MBA)، أقدم الحكم الفني المستقل اللازم لنشر وكلاء مستقلين آمنين وحتميين وإيجابيين من حيث العائد على الاستثمار منذ اليوم الأول.
ركائز الخدمة الأساسية:
1. بنية الوكلاء المؤسسية ("شبكة السياق") أصمم أنظمة بيئية للصفر-ثقة تسمح لنماذج اللغة الكبيرة بالتفاعل بأمان مع صوامع المؤسسات القديمة (SQL، SAP، CRM، ERP).
بروتوكول سياق النموذج (MCP): تنفيذ محاور موحدة لاستدعاء الأدوات واسترجاع البيانات.
مخططات المعمارية: توفير إطار عمل "مجموعة وكلاء المؤسسات" لضمان الوحدة ومنع قفل البائع.
2. حوكمة الذكاء الاصطناعي والسيطرة التشغيلية أبني "عقل" النظام لمنع "التوسع الوظيفي" والتكاليف المفرطة.
الحواجز الحتمية: ترميز حدود التنفيذ بشكل ثابت لمنع الإجراءات غير المصرح بها أو الحلقات اللانهائية.
تحسين التكلفة وزيادة الكمون: نمذجة منطق التوجيه لتحقيق توازن بين الأداء (مثل GPT-4o) والكفاءة (مثل Haiku/Flash).
إنسان-إن-ذا-لوك (HITL): تكامل أصلي للموافقات عالية المخاطر (المعاملات الكبيرة).
3. الموثوقية والتقييم المنهجي: أستخدم "ضمير" مجموعة الذكاء الاصطناعي الخاصة بك لضمان الاستقرار على المدى الطويل.
اختبار الانحدار الآلي: قياس انحراف النية ومعدلات الهلوسة.
خطوط أنابيب الملاحظة: مراقبة لصحة الوكيل وثباته في الوقت الحقيقي.
الأمان والامتثال: طبقات مسح PII وتسجيل SIEM جاهز للتدقيق.
الميزة الاستراتيجية:
خلفيتي تجمع بين تنفيذ تقني عميق (بايثون 3.12، لانغغراف، دوكر) مع تركيز على مستوى ماجستير إدارة الأعمال على استراتيجية الأعمال. أنا لا أكتب فقط كود الشحن؛ أضمن أن خارطة طريق الذكاء الاصطناعي الخاصة بك تتماشى مع أرباحك وخسائرك، وتقلل من الديون التقنية، وتفي بمتطلبات التدقيق الصارمة للمشهد التنظيمي لعام 2026.
كيف أعمل:
أنا أعمل ك "لاعب-مدرب". أنا أضع البنية التحتية الأساسية (الشبكة، منطق الحوكمة، حزمة التقييم) ثم أنقل ملكية التنفيذ إلى فريقك الداخلي.
مثالي ل: الشركات التي تتجاوز مرحلة النموذج الأولي وتحتاج إلى موثوقية "اليوم الأول" في البنوك أو الرعاية الصحية أو التكنولوجيا القانونية.
معظم مبادرات الذكاء الاصطناعي المؤسسي تفشل لأنها تعامل نماذج اللغة الكبيرة والوكلاء كبرمجيات تقليدية. أساعد المديرين التقنيين وقادة الهندسة على الابتعاد عن "التحقق اليدوي من الأجواء" والنماذج الأولية الهشة نحو هياكل منهجية ومحكومة ومبنية على البيانات.
بصفتي مهندس أنظمة الذكاء الاصطناعي الرئيسي (MBA)، أقدم الحكم الفني المستقل اللازم لنشر وكلاء مستقلين آمنين وحتميين وإيجابيين من حيث العائد على الاستثمار منذ اليوم الأول.
ركائز الخدمة الأساسية:
1. بنية الوكلاء المؤسسية ("شبكة السياق") أصمم أنظمة بيئية للصفر-ثقة تسمح لنماذج اللغة الكبيرة بالتفاعل بأمان مع صوامع المؤسسات القديمة (SQL، SAP، CRM، ERP).
بروتوكول سياق النموذج (MCP): تنفيذ محاور موحدة لاستدعاء الأدوات واسترجاع البيانات.
مخططات المعمارية: توفير إطار عمل "مجموعة وكلاء المؤسسات" لضمان الوحدة ومنع قفل البائع.
2. حوكمة الذكاء الاصطناعي والسيطرة التشغيلية أبني "عقل" النظام لمنع "التوسع الوظيفي" والتكاليف المفرطة.
الحواجز الحتمية: ترميز حدود التنفيذ بشكل ثابت لمنع الإجراءات غير المصرح بها أو الحلقات اللانهائية.
تحسين التكلفة وزيادة الكمون: نمذجة منطق التوجيه لتحقيق توازن بين الأداء (مثل GPT-4o) والكفاءة (مثل Haiku/Flash).
إنسان-إن-ذا-لوك (HITL): تكامل أصلي للموافقات عالية المخاطر (المعاملات الكبيرة).
3. الموثوقية والتقييم المنهجي: أستخدم "ضمير" مجموعة الذكاء الاصطناعي الخاصة بك لضمان الاستقرار على المدى الطويل.
اختبار الانحدار الآلي: قياس انحراف النية ومعدلات الهلوسة.
خطوط أنابيب الملاحظة: مراقبة لصحة الوكيل وثباته في الوقت الحقيقي.
الأمان والامتثال: طبقات مسح PII وتسجيل SIEM جاهز للتدقيق.
الميزة الاستراتيجية:
خلفيتي تجمع بين تنفيذ تقني عميق (بايثون 3.12، لانغغراف، دوكر) مع تركيز على مستوى ماجستير إدارة الأعمال على استراتيجية الأعمال. أنا لا أكتب فقط كود الشحن؛ أضمن أن خارطة طريق الذكاء الاصطناعي الخاصة بك تتماشى مع أرباحك وخسائرك، وتقلل من الديون التقنية، وتفي بمتطلبات التدقيق الصارمة للمشهد التنظيمي لعام 2026.
كيف أعمل:
أنا أعمل ك "لاعب-مدرب". أنا أضع البنية التحتية الأساسية (الشبكة، منطق الحوكمة، حزمة التقييم) ثم أنقل ملكية التنفيذ إلى فريقك الداخلي.
مثالي ل: الشركات التي تتجاوز مرحلة النموذج الأولي وتحتاج إلى موثوقية "اليوم الأول" في البنوك أو الرعاية الصحية أو التكنولوجيا القانونية.
إنجازاتي
أوقات العمل
- الإثنين:08h00 إلى 18h00
- الثلاثاء:08h00 إلى 18h00
- الأربعاء:08h00 إلى 18h00
- الخميس:08h00 إلى 18h00
- الجمعة:08h00 إلى 18h00
- السبت:غير موجود
- الأحَد:غير موجود
![مهندس أنظمة الذكاء الاصطناعي الرئيسي (سير العمل المؤسسي للوكلاء)، مستشار استراتيجي الذكاء الاصطناعي ومستشار عائد الاستثمار (مدعوم من ماجستير إدارة الأعمال)، موثوقية الذكاء الاصطناعي والحوكمة:]()
1. المهندس الرئيسي لأنظمة الذكاء الاصطناعي العنوان: مهندس أنظمة الذكاء الاصطناعي الرئيسي (سير عمل الوكلاء للمؤسسات) الوصف: أنا أجسر الفجوة بين نماذج نماذج اللغة الكبيرة التجريبية وأنظمة المؤسسات من مس ...
قاد الانتقال من نماذج اللغة الكبيرة التجريبية إلى هياكل الوكلاء الجاهزة للإنتاج. أنصح قيادة المؤسسات بنشر أنظمة مستقلة تحكم، وموثوقة، وتحقق عائد استثمارا.
تصميم الإطار: طور 'مجموعة الوكلاء المؤسسية'، وهي بنية ثقة صفرية لتنسيق الوكلاء المتعدد الآمن.
هندسة الموثوقية: أنشأت منصات تقييم آلية تقضي على الهلوسات وتضمن سلامة الدلالة في بيئات عالية المخاطر.
التكامل الاستراتيجي: سد الفجوة بين أنظمة ERP/CRM القديمة ونماذج الذكاء الاصطناعي الرائدة باستخدام بروتوكول سياق النموذج (MCP).
تصميم الإطار: طور 'مجموعة الوكلاء المؤسسية'، وهي بنية ثقة صفرية لتنسيق الوكلاء المتعدد الآمن.
هندسة الموثوقية: أنشأت منصات تقييم آلية تقضي على الهلوسات وتضمن سلامة الدلالة في بيئات عالية المخاطر.
التكامل الاستراتيجي: سد الفجوة بين أنظمة ERP/CRM القديمة ونماذج الذكاء الاصطناعي الرائدة باستخدام بروتوكول سياق النموذج (MCP).
تصميم وبناء أنظمة نماذج اللغة الكبيرة والوكاسل الذكاء الاصطناعي الإنتاجية مع التركيز على الموثوقية والتقييم والجاهزية المؤسسية.
• تصميم أنظمة التوليد المعزز بالاسترجاع (RAG) من البداية إلى النهاية مع استراتيجيات هجينة للاسترجاع، وإعادة التصنيف، والتأريض لمخرجات عالية الدقة.
• بناء أنظمة متعددة الوكلاء للتنسيق، والتخطيط، واستخدام الأدوات، وتفكيك المهام، بما في ذلك معالجة الأعطال وتدفقات الاسترداد.
• تطوير منصة تقييم وموثوقية لنماذج اللغة الكبيرة لقياس الهلوسات، والوفاء، والكمون، والتكلفة، والانحدار عبر إصدارات النماذج.
• تنفيذ ممارسات LLMOps بما في ذلك التحكم في الطلبات/الإصدارات، التسجيل المنظم، الملاحظة، وخطوط التقييم الآلية.
• تصميم الحواجز الواقية، وطبقات التحقق، واستراتيجيات الرجوع لتحسين متانة النظام في أوضاع الفشل الواقعية.
• ركز على البنى القابلة للتوسع والصيانة بما يتماشى مع نشر المؤسسات وتطور النظام على المدى الطويل.
التركيز التقني: هندسة أنظمة نماذج اللغة الكبيرة (LLM)، تنسيق الوكلاء، أطر التقييم، وموثوقية الإنتاج.
• نشر وتشغيل أنظمة نماذج اللغة الكبيرة على البنية التحتية السحابية (AWS)، مع التركيز على قابلية التوسع، والتحكم في التكاليف، ومراقبة الإنتاج.
• تصميم أنظمة التوليد المعزز بالاسترجاع (RAG) من البداية إلى النهاية مع استراتيجيات هجينة للاسترجاع، وإعادة التصنيف، والتأريض لمخرجات عالية الدقة.
• بناء أنظمة متعددة الوكلاء للتنسيق، والتخطيط، واستخدام الأدوات، وتفكيك المهام، بما في ذلك معالجة الأعطال وتدفقات الاسترداد.
• تطوير منصة تقييم وموثوقية لنماذج اللغة الكبيرة لقياس الهلوسات، والوفاء، والكمون، والتكلفة، والانحدار عبر إصدارات النماذج.
• تنفيذ ممارسات LLMOps بما في ذلك التحكم في الطلبات/الإصدارات، التسجيل المنظم، الملاحظة، وخطوط التقييم الآلية.
• تصميم الحواجز الواقية، وطبقات التحقق، واستراتيجيات الرجوع لتحسين متانة النظام في أوضاع الفشل الواقعية.
• ركز على البنى القابلة للتوسع والصيانة بما يتماشى مع نشر المؤسسات وتطور النظام على المدى الطويل.
التركيز التقني: هندسة أنظمة نماذج اللغة الكبيرة (LLM)، تنسيق الوكلاء، أطر التقييم، وموثوقية الإنتاج.
• نشر وتشغيل أنظمة نماذج اللغة الكبيرة على البنية التحتية السحابية (AWS)، مع التركيز على قابلية التوسع، والتحكم في التكاليف، ومراقبة الإنتاج.
• تصميم وتنفيذ خطوط أنابيب RAG من مستوى الإنتاج مع تقسيم هيكلي، وتضمينات، وتقييم الاسترجاع
• بناء سير عمل يستخدم الأدوات وعدة وكلاء مع تنسيق صريح، وذاكرة، والتعامل مع الأعطال
• تطوير خدمات الذكاء الاصطناعي التي تعتمد على واجهة برمجة التطبيقات (API) مع مراعاة الموثوقية والتحكم في التكاليف وقابلية الملاحظة
• ركز على القيود الواقعية: التأخير، التخفيف من الهلوسة، والجاهزية للنشر
• بناء سير عمل يستخدم الأدوات وعدة وكلاء مع تنسيق صريح، وذاكرة، والتعامل مع الأعطال
• تطوير خدمات الذكاء الاصطناعي التي تعتمد على واجهة برمجة التطبيقات (API) مع مراعاة الموثوقية والتحكم في التكاليف وقابلية الملاحظة
• ركز على القيود الواقعية: التأخير، التخفيف من الهلوسة، والجاهزية للنشر
جمعت خلفيتي التقنية مع ماجستير إدارة أعمال في المالية لقيادة مبادرات التحول الرقمي. يركز على تقاطع البنية التحتية التقنية والمسؤولية المالية.
العائد التشغيلي: إدارة خارطة الطريق التقنية التي أعطت الأولوية للكفاءة وقابلية التوسع، مما ساهم مباشرة في نمو الأرباح المالية.
القيادة متعددة الوظائف: قاد فرقا من المهندسين والمحللين لنشر حلول برمجية قللت من الاعتماد التشغيلي اليدوي بأكثر من 30٪.
الحوكمة المالية: أشرفت على ميزانيات التكنولوجيا واختيار الموردين، مما ضمن الاستدامة المالية طويلة الأمد لنشر الأنظمة المعقدة.
العائد التشغيلي: إدارة خارطة الطريق التقنية التي أعطت الأولوية للكفاءة وقابلية التوسع، مما ساهم مباشرة في نمو الأرباح المالية.
القيادة متعددة الوظائف: قاد فرقا من المهندسين والمحللين لنشر حلول برمجية قللت من الاعتماد التشغيلي اليدوي بأكثر من 30٪.
الحوكمة المالية: أشرفت على ميزانيات التكنولوجيا واختيار الموردين، مما ضمن الاستدامة المالية طويلة الأمد لنشر الأنظمة المعقدة.
طور التخصص الهندسي الأساسي المطلوب لتصميم أنظمة معقدة. يركز على استقرار الخلفية، وتحسين قواعد البيانات (SQL/NoSQL)، وبناء 'السباكة' التي تعتمد عليها أنظمة الذكاء الاصطناعي الحديثة الآن. هذا الأساس العملي يضمن أن نصائحي المعمارية الحالية مبنية على جدوى تقنية واقعية.
تخصص متقدم في ميكانيكا نماذج الحدود. أركز على تحسين أداء نماذج اللغة الكبيرة من خلال:
RAG المتقدم: تنفيذ البحث الهجين وإعادة الترتيب لاسترجاع السياق بدقة عالية.
الكفاءة: استخدام QLoRA لضبط دقيق فعال في الذاكرة عند الحاجة إلى أداء خاص بالمجال.
إدارة السياق: إتقان التعامل مع نوافذ السياق الطويل لتقليل ظواهر 'الضياع في الوسط' في بيانات المؤسسة.
RAG المتقدم: تنفيذ البحث الهجين وإعادة الترتيب لاسترجاع السياق بدقة عالية.
الكفاءة: استخدام QLoRA لضبط دقيق فعال في الذاكرة عند الحاجة إلى أداء خاص بالمجال.
إدارة السياق: إتقان التعامل مع نوافذ السياق الطويل لتقليل ظواهر 'الضياع في الوسط' في بيانات المؤسسة.
خبرة متخصصة في 'طبقة العمل' في الذكاء الاصطناعي الحديث. أصمم أنظمة مستقلة وشبه مستقلة باستخدام:
التنسيق الوكالتي: بناء أنظمة متعددة الوكلاء يمكنها التخطيط وتصحيح الذات وتنفيذ استخدام الأدوات المعقدة.
MCP (بروتوكول السياق النموذجي): تنفيذ موصلات بيانات موحدة لربط نماذج اللغة الكبيرة بقواعد بيانات داخلية آمنة وأدوات SaaS القديمة.
الإنسان في الحلقة (HITL): تصميم بروتوكولات تصعيد لبيئات اتخاذ القرار عالية المخاطر.
التنسيق الوكالتي: بناء أنظمة متعددة الوكلاء يمكنها التخطيط وتصحيح الذات وتنفيذ استخدام الأدوات المعقدة.
MCP (بروتوكول السياق النموذجي): تنفيذ موصلات بيانات موحدة لربط نماذج اللغة الكبيرة بقواعد بيانات داخلية آمنة وأدوات SaaS القديمة.
الإنسان في الحلقة (HITL): تصميم بروتوكولات تصعيد لبيئات اتخاذ القرار عالية المخاطر.
سد الفجوة بين الميزانية العمومية والشبكات العصبية. مع أكثر من 12 عاما من الخبرة المهنية منذ حصولي على الماجستير في إدارة الأعمال، أتخصص في الحوكمة المالية لأنظمة الذكاء الاصطناعي. خلفيتي المالية تتيح لي تجاوز التنفيذ التقني لتقديم إشراف استراتيجي على:
نمذجة العائد على الاستثمار الذكاء الاصطناعي: تصميم خارطة طريق لمدة 12 شهرا تعطي الأولوية لحالات الاستخدام ذات التأثير العالي على تجارب "الأشياء اللامعة".
تحسين التكاليف (اقتصاديات الرموز): تنفيذ استراتيجيات التوجيه والتخزين المؤقت متعددة النماذج لتقليل الإنفاق التشغيلي لنماذج اللغة الكبيرة (OpEx) بنسبة تصل إلى 40٪.
حوكمة المخاطر والامتثال: إدارة 'تكلفة الفشل' من خلال طبقات السلامة الحتمية وأطر منع الهلوسة.
أترجم البنى المعقدة للوكلاء إلى نتائج أعمال واضحة، وأضمن أن المبادرات الذكاء الاصطناعي ليست فقط سليمة تقنيا، بل قابلة للدفاع ماليا على مستوى مجلس الإدارة.
نمذجة العائد على الاستثمار الذكاء الاصطناعي: تصميم خارطة طريق لمدة 12 شهرا تعطي الأولوية لحالات الاستخدام ذات التأثير العالي على تجارب "الأشياء اللامعة".
تحسين التكاليف (اقتصاديات الرموز): تنفيذ استراتيجيات التوجيه والتخزين المؤقت متعددة النماذج لتقليل الإنفاق التشغيلي لنماذج اللغة الكبيرة (OpEx) بنسبة تصل إلى 40٪.
حوكمة المخاطر والامتثال: إدارة 'تكلفة الفشل' من خلال طبقات السلامة الحتمية وأطر منع الهلوسة.
أترجم البنى المعقدة للوكلاء إلى نتائج أعمال واضحة، وأضمن أن المبادرات الذكاء الاصطناعي ليست فقط سليمة تقنيا، بل قابلة للدفاع ماليا على مستوى مجلس الإدارة.
الأساس التقني لمسيرتي في هندسة الأنظمة. قدمت هذه الدرجة المبادئ الأساسية لهياكل البيانات والخوارزميات والأنظمة الموزعة التي أطبقها الآن على سير عمل الذكاء الاصطناعي الوكيل عالي النطاق. يضمن أن كل حل الذكاء الاصطناعي أصممه مبني على أساس هندسي متين وقابل للتوسع.
- المسار الأساسي لمهندس الذكاء الاصطناعي: هندسة ماجستير في القانون الكبير، RAG، QLoRA، الوكلاء 30/01/2026
![المسار الأساسي لمهندس الذكاء الاصطناعي: هندسة ماجستير في القانون الكبير، RAG، QLoRA، الوكلاء]()
تخصص متقدم في ميكانيكا نماذج الحدود. أركز على تحسين أداء نماذج اللغة الكبيرة من خلال:
RAG المتقدم: تنفيذ البحث الهجين وإعادة الترتيب لاسترجاع السياق بدقة عالية.
الكفاءة: استخدام QLoRA لضبط دقيق فعال في الذاكرة عند الحاجة إلى أداء خاص بالمجال.
إدارة السياق: إتقان التعامل مع نوافذ السياق الطويل لتقليل ظواهر "الضياع في المنتصف" في بيانات المؤسسات
- 🇬🇧 الإنجليزية
- 🇮🇳 الهندية
يرجى الدخول كزبون لإعطاء رأيكم
محترفون مدعومون
محتاجون إلى خدمة ؟
هل تريدون الإستفادة من خدمات هذا المحترف ؟
أنشروا إحتياجكم وستتلقون عشرات المقترحات من محترفي المنصة.
