1. قيادة تسليم علوم البيانات من البداية إلى النهاية
- تطوير وتنفيذ وصيانة قواعد البيانات وأنظمة جمع البيانات
- امتلاك دورة الحياة الكاملة لمبادرات التعلم الآلي والذكاء الاصطناعي - من صياغة المشكلة واستكشاف البيانات وهندسة الميزات وتطوير النماذج والتحقق وتسليم عمليات التعلم الآلي
- تسليم نماذج قابلة للتوسع وجاهزة للإنتاج، مع ضمان التوافق مع حوكمة بيانات المؤسسة ومعايير الذكاء الاصطناعي
- إجراء التحليل الإحصائي لفهم وتفسير رؤى البيانات
- تطبيق تقنيات التنقيب عن البيانات لتحديد الأنماط والاتجاهات والعلاقات في مجموعات البيانات الكبيرة
- بناء نماذج تنبؤية وخوارزميات تعلم آلي للتنبؤ بالنتائج المستقبلية
- إنشاء تصورات بيانية واضحة للبيانات وتقارير لإيصال النتائج إلى أصحاب المصلحة
- العمل مع فرق متعددة الوظائف لفهم احتياجات العمل وتقديم حلول قائمة على البيانات
- تصميم وصيانة خطوط أنابيب بيانات ونماذج موثوقة بالشراكة مع هندسة البيانات لضمان دقة البيانات وتوقيتها وموثوقيتها للاستخدام اللاحق
- ضمان أمن البيانات والامتثال للوائح ذات الصلة
- قيادة التجريب وإدارة إصدارات النماذج وإعادة التدريب الآلي والتحسين المستمر
2. ترجمة احتياجات العمل إلى حلول الذكاء الاصطناعي والتحليلات
- إنشاء أطر ونماذج تشغيلية تجعل علوم البيانات متاحة وقابلة للتوسع ومدمجة ضمن الوظائف التجارية والتقنية
- التفاعل مع أصحاب المصلحة في وحدات الأعمال والمجالات لتحديد فرص خلق القيمة وتحويلها إلى حالات استخدام تحليلية قابلة للتنفيذ
- بناء فرضيات القيمة ومؤشرات الأداء الرئيسية ومعايير النجاح وخرائط طريق الحلول بالتعاون مع قيادة البيانات والذكاء الاصطناعي وفرق الأعمال
3. تصنيع نماذج الذكاء الاصطناعي والتعلم الآلي (عمليات التعلم الآلي والهندسة المعمارية)
- الشراكة مع فرق هندسة البيانات ومنصات البيانات والهندسة المعمارية السحابية والتقنية التشغيلية لتضمين النماذج في أنظمة المؤسسة والطبقات التشغيلية
- وضع معايير للنشر في بيئة الإنتاج والاختبار والمراقبة ومعالجة الانحراف وحوكمة دورة الحياة
- ضمان التكامل السلس للنماذج التنبؤية والتحسينية في منصات المؤسسة وأنظمة التحكم والتوائم الرقمية
- الاستفادة من التعلم الآلي والتحسين والرؤية الحاسوبية كأدوات تمكينية لتحسين الأداء والموثوقية والاستدامة
4. الذكاء الاصطناعي المسؤول والجودة والحوكمة
- ضمان الامتثال لأطر معادن للذكاء الاصطناعي المسؤول وجودة البيانات وحوكمة البيانات
- تعزيز قابلية إعادة الإنتاج والتوثيق وتتبع الأصول وقابلية التدقيق عبر جميع أصول علوم البيانات
- ضمان الشفافية وقابلية التفسير والحوكمة المستمرة للنماذج عبر بيئات الإنتاج والمؤسسة
5. إدارة أصحاب المصلحة وتحقيق القيمة
- إيصال الرؤى والنتائج والمخاطر والتوصيات إلى صانعي القرار باستخدام سرد مقنع وتصورات بيانية
- تتبع تحقيق القيمة ومقاييس التبني والأثر التشغيلي لضمان تحقيق فائدة قابلة للقياس
الحد الأدنى من المؤهلات:
- درجة البكالوريوس في علوم الحاسوب أو علوم البيانات أو الهندسة أو الرياضيات أو الإحصاء أو المجالات ذات الصلة
الحد الأدنى من الخبرة:
- الحد الأدنى من الخبرة:
- 8-10 سنوات من الخبرة في علوم البيانات والتحليلات المتقدمة مع تفضيل البيئات الصناعية والتعدينية والأصول الثقيلة. بما في ذلك ما لا يقل عن سنتين في قيادة أو إرشاد متخصصي التحليلات
- قدرة مثبتة على ترجمة مشكلات العمل إلى مناهج تحليلية: تحديد الفرضيات وتصميم التحليلات وتجميع النتائج في توصيات واضحة
- إتقان قوي لأطر التعلم الآلي الحديثة والمنصات السحابية (TensorFlow، PyTorch، Azure، AWS) ومصنع الذكاء الاصطناعي من مايكروسوفت
- طلاقة تقنية قوية في مجموعات التحليلات الحديثة ونمذجة البيانات وSQL وخبرة في الشراكة الفعالة مع الفرق الهندسية
- التعلم الآلي والتحليلات المتقدمة
- خبرة عملية في تطوير ونشر نماذج التعلم الآلي، بما في ذلك التنبؤ بالسلاسل الزمنية والنمذجة التنبؤية وحالات استخدام التحسين
- فهم قوي لـ أداء النموذج والتحقق والاستقرار والأثر التجاري
- الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي
- خبرة عملية في حلول الذكاء الاصطناعي التوليدي، بما في ذلك المساعدون الأذكياء والأتمتة الذكية وسير العمل القائم على الوكلاء
- القدرة على تضمين قدرات الذكاء الاصطناعي التوليدي في عمليات المؤسسة لتحسين اتخاذ القرار والكفاءة التشغيلية
القدرات المفضلة:
- هندسة البيانات (تقنية المعلومات + التقنية التشغيلية)
- خبرة في تصميم وصيانة خطوط أنابيب البيانات عبر بيئات تقنية المعلومات والتقنية التشغيلية
- التعرض لـ بيانات المستشعرات ومعالجة البيانات المتدفقة / الفورية ومصادر البيانات الصناعية
- القدرة على التعاون مع فرق هندسة البيانات لضمان تدفقات بيانات موثوقة وفي الوقت المناسب وجديرة بالثقة
- عمليات التعلم الآلي / عمليات الوكلاء
- خبرة في نشر النماذج وإدارة دورة الحياة، بما في ذلك:
- الانتقال من تطوير النموذج إلى الإنتاج والتوسع
- المراقبة وإعادة التدريب وإدارة الإصدارات وإدارة الانحراف
- الإلمام بالأتمتة والتشغيل الفعلي لأعباء عمل التعلم الآلي والذكاء الاصطناعي
الخبرة والمنصات المفضلة:
- المنصات السحابية والتحليلية
- خبرة في العمل مع منصات السحابة المؤسسية، ويفضل:
- منصة بيانات مايكروسوفت أزور
- منصة Databricks للذكاء الاصطناعي
- مصنع الذكاء الاصطناعي من مايكروسوفت / Microsoft AI Foundry
- فهم الهندسات المعمارية السحابية الأصلية للتحليلات القابلة للتوسع وحلول الذكاء الاصطناعي
الكفاءات الأساسية:
- دقة النموذج وموثوقيته: الأداء واستقرار الانحراف ووقت التشغيل
- التبني والأثر التجاري: القيمة المحققة وتبني المستخدمين ونجاح التكامل
- سرعة التسليم: التوقيت المناسب لدورات التطوير وجاهزية النشر
- الامتثال والجودة: التوافق مع الذكاء الاصطناعي المسؤول والحوكمة ومعايير التوثيق
