لماذا تمارا؟
نحن فخورون بأن نكون أول وحيد قرن سعودي في مجال التكنولوجيا المالية.
مهمتنا هي مساعدة الناس على امتلاك أحلامهم من خلال بناء تطبيق مالي فائق يركز على العميل بشكل كامل في العالم. ولا توجد قواعد مسبقة لتحقيق ذلك؛ موظفونا في تمارا هم من يكتبونها. فرقنا مكونة من مبتكرين وحلالي مشكلات ومتعلمين، نحن نزدهر على الفضول والتعاون.
إذا كان هذا يبدو مثلك: فضولي، طموح، ومستعد للبناء، نحن نحب أن نلتقي بك
تقدم الآن وانضم إلى جيل البنّاءين القادم!
حول البرنامج:
في تمارا، نؤمن بأن الموهبة الاستثنائية تستحق منصة انطلاق استثنائية.
برنامجنا الرئيسي للبنّاءين مصمم للخريجين الطموحين المستعدين لتحمل مسؤوليات حقيقية منذ اليوم الأول. هذا ليس برنامج تدويري للمشاهدة، بل هو مسرّع مهني مصمم لأولئك الذين يريدون البناء والامتلاك ورفع السقف مبكرًا.
مصمم للخريجين الجدد والمواهب في بداية المسيرة المهنية بخبرة تصل إلى سنتين، يضعك البرنامج مباشرة في أدوار عالية التأثير عبر المنتج والهندسة والتصميم وأكثر. ستساهم على الفور وتنمو بوتيرة متسارعة.
من المنتج إلى الهندسة، ومن التصميم إلى التجاري، ستتناول تحديات ذات معنى تشكل كيفية تجربة الملايين للتكنولوجيا المالية في جميع أنحاء المنطقة. ستُمنح الثقة لتملك مشاريعك، محاطًا بأقران على مستوى عالٍ، وتتلقى إرشادًا من قادة يتوقعون التميز.
دفعاتنا في يناير ويونيو هي فرصتك للتحرك بسرعة والتفكير بشكل كبير والبدء في بناء ما هو قادم - ليس يومًا ما، بل الآن.
حول الدور
نحن نبحث عن خريج جديد أو موهبة في بداية المسيرة المهنية كمهندس تعلم آلي على مسار البنّاءين.
هذا الدور مناسب لشخص يريد نقل التعلم الآلي من "فكرة رائعة" إلى "التشغيل في بيئة الإنتاج". ستعمل عبر البيانات والنمذجة وهندسة البرمجيات لبناء ونشر وتشغيل نماذج تعمل على تحسين تجربة العميل وتقليل المخاطر وتمكين الكفاءة التشغيلية.
مع تقدم الذكاء الاصطناعي، نحن نهتم بالأساسيات أكثر من المصطلحات الرائجة. استخدم مساعدي الذكاء الاصطناعي للتحرك بسرعة، ولكن كن دائمًا مسؤولاً عن الدقة والسلامة والخصوصية والأداء.
مسؤولياتك
- بناء ونشر أنظمة التعلم الآلي
- تطوير ونشر نماذج وخدمات تعلم آلي تحل مشاكل عمل حقيقية.
- كتابة كود واختبارات ووثائق بجودة إنتاجية.
- امتلاك دورة حياة النموذج الكاملة
- المساعدة في فهم البيانات، وإنشاء الميزات، والتدريب، والتقييم، والتكرار.
- إعداد التقييم خارج وداخل الخدمة، ومراقبة الأداء بعد الإطلاق.
- جعل التعلم الآلي موثوقًا في الإنتاج
- تحسين موثوقية وكفاءة وتكلفة خدمة النماذج.
- تنفيذ مراقبة لانحراف البيانات، وانحراف النموذج، ومقاييس الجودة الرئيسية.
- المشاركة في الاستجابة للحوادث وتحليلها عند الحاجة.
- العمل مع فرق البيانات والمنصة
- الشراكة مع مهندسي البيانات ومهندسي المنصة في خطوط المعالجة، والإشارات القائمة على الأحداث، وجودة البيانات.
- استخدام أنماط تدفق الأحداث عند الاقتضاء (ميزات شبه فورية، تسجيل عبر الخدمة، إشارات CDC).
- بناء أدوات تساعد الآخرين على التحرك بسرعة
- المساهمة في مكونات تدريب وخدمة قابلة لإعادة الاستخدام (قوالب، مكتبات، CI/CD، خطوط معالجة الميزات).
- المساعدة في تمكين استخدام التعلم الآلي والذكاء الاصطناعي بأمان وبشكل ذاتي عبر الفرق.
- استخدام أدوات الذكاء الاصطناعي بتمعن
- استخدام الذكاء الاصطناعي لتسريع النمذجة الأولية، والتشخيص، والتوثيق، وإنشاء الاختبارات.
- التحقق من المخرجات، وتوثيق الافتراضات، وحماية البيانات الحساسة.
خبراتك (ضرورية)
- خريج جديد أو أقل من سنة واحدة من الخبرة ذات الصلة (التدريبات والمشاريع تُحتسب).
- أساسيات برمجة قوية في بايثون (مفضلة) أو لغة أخرى مستخدمة في أنظمة التعلم الآلي.
- أساسيات قوية في:
- هياكل البيانات والخوارزميات (ما يكفي لكتابة كود فعال وموثوق)
- أساسيات الاحتمالات والإحصاء
- أساسيات التعلم الآلي (التعلم الموجّه، الإفراط في التخصيص، التحقق، المقاييس)
- القدرة على العمل مع البيانات باستخدام SQL و/أو Python.
- عقلية حل المشكلات وفضول للتعلم بسرعة.
- تواصل واضح ونهج تعاوني.
مهارات إضافية مرغوبة
- خبرة مع مكتبات التعلم الآلي الشائعة (scikit-learn، PyTorch، TensorFlow) من خلال المقررات الدراسية أو المشاريع.
- معرفة بأنماط نشر النماذج (واجهات برمجة التطبيقات، التسجيل الدفعي، التسجيل عبر التدفق/الخدمة).
- التعرض لمفاهيم MLOps (تتبع التجارب، سجل النماذج، CI/CD، المراقبة).
- معرفة بالسحابة (GCP/AWS) والحاويات (Docker) إضافة جيدة.
- فهم الذكاء الاصطناعي المسؤول والخصوصية (معالجة البيانات الشخصية، التحكم في الوصول، التقييم).
- خبرة في استخدام مساعدي الذكاء الاصطناعي بمسؤولية في البرمجة والتحليل.
كيف يبدو النجاح
- تقوم بنشر تحسين واحد على الأقل للتعلم الآلي من البداية للنهاية (نموذج، ميزة، أو خدمة) يعمل بموثوقية.
- يمكنك شرح أداء النموذج بوضوح: ما الذي تحسن، وما الذي لم يتحسن، ولماذا.
- تكون المراقبة معمول بها لنماذجك، وتتفاعل بسرعة عندما تنحرف المقاييس.
- تقلل الجهد اليدوي للفريق من خلال إضافة مكون أو قالب أو أتمتة قابلة لإعادة الاستخدام.
