فرصة تدريب: متدرب هندسة عمليات تعلم الآلة (MLOps Engineering Intern) في أكاديمية سيجيديم (Cegedim Academy)

تُعلن أكاديمية سيجيديم (Cegedim Academy) عن استمرار فتح أبوابها لاستقطاب الكفاءات التقنية الشابة، وهذه المرة عبر إطلاق برنامجها التدريبي في تخصص هندسة عمليات تعلم الآلة (MLOps Engineering)، للعمل على بناء البنية التحتية التي تشغل حلول الذكاء الاصطناعي للجيل القادم.

هذه الفرصة عبارة عن برنامج تدريبي تقني (Internship Program)؛ يتيح لك العمل جنباً إلى جنب مع خبراء الصناعة لبناء أنظمة قابلة للتوسع وموثوقة وجاهزة للإنتاج (Production-ready). التدريب يتم في بيئة عمل هجينة سريعة الإيقاع، ويوفر لك خبرة عملية حقيقية في تقنيات الحوسبة السحابية (Cloud) وأدوات الـ (MLOps).

📅 تفاصيل ومواعيد البرنامج

• المسمى الوظيفي: متدرب هندسة عمليات تعلم الآلة (MLOps Engineering Intern).
• طبيعة العمل: تدريب بدوام كامل (Full-time).
• نظام العمل: هجين (Hybrid).
• مدة التدريب: من شهر إلى شهرين (1-2 months).
• مستوى الخبرة: مبتدئ (أقل من سنتين خبرة).

🎓 الشروط والفئات المستهدفة

• المرحلة الأكاديمية: الطلاب الحاليون أو الخريجون الجدد (دفعات 2025 أو 2026).
• التخصصات المطلوبة: علوم الحاسب (Computer Science)، هندسة الحاسبات، الذكاء الاصطناعي، علوم البيانات، أو المجالات ذات الصلة.
• المهارات الشخصية: مهارات تواصل وعمل جماعي قوية، قدرة على حل المشكلات، والفضول والمبادرة للتعلم.

💻 المهارات التقنية المطلوبة (Technical Skills)

• إجادة قوية للبرمجة بلغة (Python).
• فهم قوي لأساسيات هندسة البرمجيات وعمليات التطوير (DevOps).
• الإلمام بمفاهيم الحاويات وأداة (Docker).
• معرفة جيدة بمسارات التكامل والتسليم المستمر (CI/CD pipelines) وأنظمة التحكم في الإصدارات (Version control).
• اهتمام قوي بالحوسبة السحابية (Cloud computing) وعمليات تعلم الآلة.
• (ميزة إضافية – Plus): الإلمام بأدوات وأنظمة مثل: (Kubernetes, MLflow, Airflow, GitHub Actions, GitLab CI)، ومنصات السحابة (AWS, Azure, GCP).

📌 المهام وماذا ستتعلم؟

بصفتك مهندس (MLOps) متدرب، سيكون هدفك هو تحويل نماذج الذكاء الاصطناعي من مجرد “أكواد تجريبية” إلى “أنظمة تعمل بكفاءة” عبر المهام الآتية:

• بناء المسارات (Pipelines): بناء وصيانة مسارات نشر نماذج تعلم الآلة.
• الأتمتة (Automation): أتمتة سير عمل تدريب النماذج، اختبارها، ونشرها.
• التكامل المستمر (CI/CD): تنفيذ ممارسات (CI/CD) المخصصة لتطبيقات تعلم الآلة.
• المراقبة: مراقبة أداء النماذج، موثوقيتها، وتتبع “الانحراف في البيانات” (Data drift) في بيئة الإنتاج الحقيقية.
• إدارة السحابة: إدارة البنية التحتية السحابية التي تدعم أعباء عمل الذكاء الاصطناعي.
• التعاون التقني: العمل مع مهندسي الذكاء الاصطناعي ومهندسي البرمجيات لضمان حوكمة الأنظمة وإمكانية تتبعها وإعادة إنتاجها (Reproducibility).

💡 زاوية إيجينكس (Egyincs) لتشريح التدريب

هناك مقولة شهيرة في عالم التكنولوجيا: “علماء البيانات يبنون النماذج، ومهندسو الـ MLOps يجعلونها تعمل”. بدون الـ (MLOps)، تظل نماذج الذكاء الاصطناعي حبيسة أجهزة المطورين ولا تصل للمستخدمين أبداً. هذا التدريب هو مزيج ساحر بين الـ (DevOps) والـ (AI). إذا كنت مهندس برمجيات تحب البنية التحتية (Infrastructure) والتعامل مع السيرفرات السحابية و(Docker)، وفي نفس الوقت تريد دخول مجال الذكاء الاصطناعي، فهذا هو التدريب الذي سيصنع منك “عُملة نادرة” في سوق العمل التقني، لأن الشركات حالياً تعاني من نقص حاد في مهندسي الـ (MLOps) القادرين على تشغيل النماذج بكفاءة.

💊 كبسولة إيجينكس للاستعداد (MLOps Intern Hack)

• أثبت فهمك لـ (Docker & CI/CD): في هذا الدور، معرفتك ببرمجة الذكاء الاصطناعي أقل أهمية من معرفتك بكيفية “تغليف” هذا الذكاء ونشره. قبل التقديم، تأكد من فهمك الجيد لكيفية عمل (Docker Containers) وكيفية كتابة (Dockerfile) بسيط. ضع أي مشروع استخدمت فيه (GitHub Actions) أو أدوات (CI/CD) في مقدمة سيرتك الذاتية.
• افهم الفرق بين الـ AI والـ MLOps: في المقابلة، لا تتحدث كثيراً عن قدرتك على “تصميم أو تدريب” نموذج معقد؛ بل ركز حديثك على “كيفية ضمان عمل هذا النموذج بسرعة واستقرار عندما يستخدمه آلاف الأشخاص في نفس الوقت”، وكيف ستراقب أداءه بمرور الوقت لاكتشاف أي (Data drift).

🎯 كيفية التقديم

لا تفوت فرصتك للعمل على تحديات البنية التحتية للذكاء الاصطناعي واكتساب خبرة باستخدام أحدث الأدوات السحابية. جهز سيرتك الذاتية المحدثة.

للتقديم واستكمال بياناتك عبر بوابة التوظيف الرسمية، يُرجى الضغط على زر (قدم الآن) الموجود بالأسفل.