عالم بيانات

الأدوار والمسؤوليات

نحن نبحث عن عالم بيانات يتمتع بخبرة عالية (المستوى الثالث) مع مهارات أساسية في هندسة التعلم الآلي وعمليات إدارة العمليات الآلية للانضمام إلى فريقنا المبتكر في مجال الذكاء الاصطناعي وعلوم البيانات. سيجلب المرشح المثالي خبرة في النمذجة التنبؤية المتقدمة، وتصميم حلول البيانات القابلة للتطوير، ودمج أنظمة الذكاء الاصطناعي في منصات المؤسسة. تعد الخلفية البحثية القوية (يفضل أن تكون حاصلة على درجة الدكتوراه) جنبًا إلى جنب مع الفهم العملي لمبادئ عمليات إدارة العمليات الآلية أمرًا ضروريًا للتفوق في هذا الدور.

يلعب هذا المنصب دورًا حاسمًا في تشكيل مستقبل اتخاذ القرارات القائمة على الذكاء الاصطناعي في Property Finder، ودفع استراتيجية البيانات، وتقديم حلول الذكاء الاصطناعي المؤثرة.

المسؤوليات الرئيسية

علم البيانات (المستوى الثالث):

الخبرة في تصميم وتنفيذ نماذج البيانات المعقدة والتحليلات التنبؤية.

إتقان البرمجة باستخدام Python أو R، بما في ذلك البرمجة النصية للأتمتة.

الخبرة في منصات السحابة (على سبيل المثال، AWS وGCP وAzure) وتقنيات البيانات الضخمة (على سبيل المثال، Spark وHadoop).
المعرفة المتقدمة في تقنيات التعلم العميق وتحسين النماذج.

الخبرة في تحسين الذكاء الاصطناعي والتعلم التعزيزي.

تصميم وتنفيذ نماذج تنبؤية متقدمة وحلول الذكاء الاصطناعي المصممة خصيصًا لتلبية احتياجات الأعمال الاستراتيجية.

تصميم حلول قابلة للتطوير وموجهة بالبيانات لاتخاذ قرارات عالية التأثير.

تطوير ونشر أدوات التحليلات والتصور المتقدمة لدعم رؤى الأعمال.

MLE/MLOps (المستوى الأول أو الثاني):

التعاون مع مهندسي MLE/MLOps لضمان تحسين النماذج للنشر في بيئات الإنتاج.

فهم ودعم نشر نماذج الذكاء الاصطناعي/التعلم الآلي باستخدام أدوات وخطوط أنابيب MLOps الأساسية.

العمل مع عمليات CI/CD لأتمتة سير عمل النموذج وإدارة التحكم في الإصدار.

اكتساب الخبرة الأساسية في مراقبة النموذج وإدارة دورة الحياة.

التعاون بين الفرق:

الشراكة مع فريق MLE/MLOps لتحسين نشر النموذج وسير العمل التشغيلي.
التعاون بشكل وثيق مع فرق الاستراتيجية والذكاء الاصطناعي والهندسة والمنتج لتحقيق أهداف المشروع وضمان نشر الحلول بسلاسة.

الملف الشخصي المرغوب للمرشح

التعليم: ماجستير أو دكتوراه في علوم الكمبيوتر أو علوم البيانات أو التعلم الآلي أو مجال ذي صلة (يفضل الدكتوراه).
الخبرة: 3 سنوات على الأقل في أدوار علوم البيانات مع خبرة قيادية مثبتة وتعرض أساسي لممارسات التعلم الآلي/التعلم الآلي.
المهارات الفنية:

المعرفة العملية بالنمذجة التنبؤية المتقدمة وتحليل السيناريوهات والمنهجيات الإحصائية.
الكفاءة في Python أو R والمكتبات مثل TensorFlow وPyTorch وScikit-learn.
دمج أنظمة الذكاء الاصطناعي في منصات المؤسسة وسير العمل.
الخبرة في تطوير واجهات برمجة التطبيقات وربط أنظمة الذكاء الاصطناعي بالمنصات الخارجية.
خبرة جيدة في تصميم حلول البيانات القابلة للتطوير ودمج أنظمة الذكاء الاصطناعي.
مهارات التحليل والتصور المتقدمة باستخدام أدوات مثل Tableau أو Power BI.
المعرفة العملية بتقنيات التعلم العميق، بما في ذلك CNN وRNNs والمحولات والتعلم التعزيزي.
خبرة في تصميم وضبط ونشر نماذج اللغة الكبيرة (مثل GPT وBERT وT5).

تطوير التطبيقات باستخدام نماذج توليدية للتوصيات الشخصية أو إنشاء المحتوى أو التشغيل الآلي.

إتقان التعلم بالتحويل والهندسة السريعة لطلاب الماجستير في القانون.

إتقان الاستفادة من منصات الحوسبة السحابية (AWS وGCP وAzure) للحصول على حلول الذكاء الاصطناعي القابلة للتطوير.

فهم أساسي لخطوط أنابيب التعلم الآلي وعمليات النشر.

خبرة في أنظمة التحكم في الإصدارات (مثل Git) وتدفقات عمل CI/CD الأساسية.

إلمام بأدوات الحاويات مثل Docker.

معرفة عملية جيدة بمنصات الحوسبة السحابية مثل AWS أو GCP أو Azure.

المهارات الشخصية:

مهارات الاتصال والتعاون الفعّالة، وخاصة في البيئات متعددة الوظائف.

عقلية استراتيجية مع القدرة على ترجمة أهداف العمل إلى مبادرات تعتمد على البيانات.