I’m Yara Alotaibi, an Applied AI Engineer with a Computer Science background, based in Saudi Arabia. I design and build end-to-end AI systems that move beyond research prototypes and into real-world production environments. My work spans machine learning, deep learning, Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), and MLOps ranging from publishing research as a first author in IEEE to developing production-ready RAG systems during an industry capstone with Beam Data. What interests me most is the gap between a model that works in theory and a system that works for an user. I focus on bridging these gaps, designing practical methodologies, improving retrieval grounding, and building reproducible pipelines that make AI reliable and maintainable. أنا يارا العتيبي، مهندسة ذكاء اصطناعي تطبيقي خريجة بكالوريس علوم الحاسب، وأقيم في السعودية. أعمل على تصميم وبناء أنظمة ذكاء اصطناعي متكاملة تتجاوز مرحلة النماذج التجريبية لتصل إلى بيئات الإنتاج الفعلية. يمتد عملي عبر مجالات التعلّم الآلي، التعلّم العميق، النماذج اللغوية الضخمة (LLMs)، أنظمة الاسترجاع المعزّز (RAG)، وعمليات الـ MLOps بدءًا من بحث منشور كمؤلف أول في IEEE وصولًا إلى تطوير أنظمة RAG جاهزة للإنتاج خلال مشروع مع شركة Beam Data. ينصب شغفي المهني على سد الفجوة بين النماذج النظرية والأنظمة الواقعية التي تخدم المستخدم وذلك من خلال تصميم منهجيات عملية، وتحسين استرجاع المعلومات بدقة، وبناء خطوط معالجة قابلة للتكرار (Pipelines) تضمن موثوقية الأنظمة وقابليتها للصيانة.
For me, a successful AI system isn’t defined only by performance metrics, it’s defined by stability, clarity, and honesty about its limits. That’s the kind of engineer I’m continuously working to become. بالنسبة لي، لا يُقاس نجاح نظام الذكاء الاصطناعي بكفاءة النموذج فحسب، بل باستقراره، وشفافيته، وموثوقية مخرجاته في حدود قدراته؛ وهذا هو الطابع الهندسي الذي أسعى دائماً لتمثيله وتطويره.