مدير، علوم وتحليلات البيانات

1. إدارة تسليم علوم البيانات من البداية إلى النهاية

• الإشراف على تطوير قواعد البيانات وأنظمة جمع البيانات وتنفيذها وصيانتها.
• إدارة دورة حياة مبادرات التعلم الآلي والذكاء الاصطناعي بدعم من صياغة المشكلات واستكشاف البيانات وهندسة الميزات وتطوير النماذج والتحقق منها والتحضير لنشر MLOps.
• ضمان تسليم نماذج قابلة للتوسع وجاهزة للإنتاج بما يتوافق مع حوكمة بيانات المؤسسة ومعايير الذكاء الاصطناعي.
• إجراء التحليل الإحصائي لتفسير رؤى البيانات ودعم اتخاذ القرار.
• تطبيق تقنيات التنقيب عن البيانات للكشف عن الأنماط والاتجاهات والعلاقات في مجموعات البيانات الكبيرة.
• تطوير نماذج تنبؤية وخوارزميات تعلم آلي للتنبؤ بالنتائج المستقبلية حسب الحاجة.
• إنشاء تصورات بيانات واضحة ولوحات معلومات وتقارير لتوصيل النتائج بفعالية لأصحاب المصلحة في الأعمال.
• التعاون مع الفرق متعددة الوظائف لفهم احتياجات الأعمال وترجمتها إلى حلول قائمة على البيانات.
• ضمان التكامل السلس للنماذج التنبؤية والتحسينية في منصات المؤسسة وأنظمة التحكم والتوائم الرقمية.
• مواكبة التقنيات والأدوات والأساليب الناشئة في علوم البيانات والتحليلات.
• تعزيز التجريب وإصدار النماذج وإعادة التدريب الآلي وعمليات التحسين المستمر.
• التوصية بتحسينات على النماذج الحالية وسير عمل التحليلات لتحقيق كفاءة وتأثير أكبر.

2. عمليات البيانات

• الشراكة مع هندسة البيانات لتصميم وتشغيل وصيانة خطوط أنابيب بيانات موثوقة ونماذج تحليلية، مع ضمان دقة البيانات وتوقيتها وموثوقيتها.
• مراقبة جودة البيانات وحل مشكلات البيانات وإنفاذ أفضل ممارسات البيانات عبر الفرق.
• دعم الامتثال لمعايير أمن البيانات واللوائح ذات الصلة.
• الإشراف على تطوير ونشر نماذج التعلم الآلي المتقدمة والتحليلات التنبؤية والذكاء الاصطناعي التوليدي وحلول التحسين، بما يتوافق مع مسؤوليات أدوار قيادة التحليلات.
• ضمان الصرامة التقنية عبر دورة حياة التعلم الآلي من البداية إلى النهاية: تحديد النطاق وهندسة البيانات والنمذجة والتحقق وMLOps والمراقبة.
• الإشراف على موثوقية الإنتاج وإدارة انحراف النماذج والتحسين المستمر.

3. قيادة الفريق وبناء القدرات

• إدارة وتنمية فريق متعدد التخصصات (كبار المتخصصين والمتخصصين الأقدم وعلماء البيانات). الأدوار تحت هذا المدير مدرجة صراحة في الهيكل التنظيمي.
• بناء التميز التقني من خلال التدريب على التعلم الآلي والذكاء الاصطناعي التوليدي والإحصاء وهندسة الميزات والتجريب.
• تعزيز ثقافة الابتكار ومراجعة الأقران وأطر النمذجة القابلة لإعادة الاستخدام.

4. حوكمة الذكاء الاصطناعي والجودة والمعايير

• الإشراف على معايير عالية في قابلية تفسير النماذج وقابلية التدقيق والتتبع وإدارة المخاطر.
• دفع الامتثال لحوكمة بيانات المؤسسة ونظام حماية البيانات الشخصية ومبادئ مخاطر النماذج المشار إليها في إرشادات تأهيل علوم البيانات والذكاء الاصطناعي الداخلية.
• ضمان الالتزام بمتطلبات الذكاء الاصطناعي المسؤول المطبقة على أدوار علوم البيانات والذكاء الاصطناعي (إرشادات المهارات والمؤهلات).
• إنفاذ معايير جودة البيانات والتتبع وقابلية التكرار عبر مشاريع الفريق.
• دعم التوافق مع أطر الحوكمة المؤسسية، بما في ذلك الامتثال لنظام حماية البيانات الشخصية.

المهارات:

• قيادة التعلم الآلي والذكاء الاصطناعي
• خبرة في البرمجة
• إتقان الذكاء الاصطناعي التوليدي
• مهارات تحليلية وإحصائية قوية
• استراتيجية الأعمال والتفكير المنتجي
• الأخلاقيات والحوكمة والذكاء الاصطناعي المسؤول
• القيادة وإدارة الأشخاص

الحد الأدنى من المؤهلات:

درجة البكالوريوس في علوم الحاسوب أو الهندسة أو علوم البيانات أو الرياضيات أو الرياضيات التطبيقية أو الفيزياء.

الحد الأدنى من الخبرة:

• خبرة 10-12+ سنة في التحليلات المتقدمة وهندسة التعلم الآلي والذكاء الاصطناعي وعلوم البيانات الصناعية.
• بما في ذلك 4 سنوات على الأقل في قيادة أو توجيه متخصصي التحليلات.
• قدرة مثبتة على ترجمة مشكلات الأعمال إلى مناهج تحليلية: تحديد الفرضيات وتصميم التحليلات وتجميع النتائج في توصيات واضحة.
• إتقان قوي لأطر التعلم الآلي الحديثة والمنصات السحابية (TensorFlow، PyTorch، Azure، AWS).
• طلاقة تقنية قوية في مجموعات التحليلات الحديثة ونمذجة البيانات وSQL وخبرة في الشراكة الفعالة مع فرق الهندسة.
• إتقان قوي لأطر التعلم الآلي الحديثة والمنصات السحابية (TensorFlow، PyTorch، Azure، AWS).
• سجل مثبت في تمكين التأثير التجاري متعدد الوظائف من خلال حلول علوم بيانات قابلة للتوسع وجاهزة للإنتاج.