مهندس تعلم آلة أول

المسؤوليات الرئيسية:

• تصميم أنظمة تعلم الآلة / خطوط أنابيب شاملة / حلول قابلة للتطوير وجاهزة للإنتاج

• قيادة تطوير النماذج / خوارزميات التسعير والترتيب / تحسين معدلات التحويل والعائدات

• تصميم حلول التنبؤ / نماذج الطلب والعرض / تحسين التخطيط للإشغال والحجوزات

• تعزيز نماذج المخاطر / أنظمة كشف الاحتيال / تقليل الإلغاءات وانتهاكات السياسات

• وضع معايير MLOps / أطر النشر والمراقبة / عمليات نماذج موثوقة وقابلة للصيانة

• قيادة التجارب / أطر اختبار A/B والتحقق / تحسينات المنتج المبنية على البيانات

• التعاون عبر الوظائف / مع فرق المنتج والهندسة والبيانات / مواءمة المقاييس والأثر التجاري

• تحديد استراتيجية البيانات / هندسة الميزات ومصادر البيانات / تحسين أداء النماذج والتغطية

• ضمان حوكمة النماذج / جودة البيانات وسلامتها / أنظمة تعلم آلة موثوقة ومتوافقة

• إرشاد أعضاء الفريق / تقديم التوجيه الفني وأفضل الممارسات / رفع كفاءة الفريق وجودة المخرجات

• تحسين أداء النماذج / استراتيجيات الضبط وإعادة التدريب / استدامة الدقة والكفاءة

• تقييم الأساليب الجديدة / الخوارزميات والتقنيات / الابتكار المستمر والميزة التنافسية

• توصيل الرؤى / أداء النماذج وأثرها / دعم اتخاذ القرارات لأصحاب المصلحة.

• درجة البكالوريوس أو الماجستير في علوم الحاسوب، أو علوم البيانات، أو الذكاء الاصطناعي، أو مجال ذي صلة

• 5-8+ سنوات من الخبرة في تعلم الآلة التطبيقي، أو علوم البيانات، أو أدوار هندسة تعلم الآلة

• خبرة مثبتة في تصميم ونشر وتوسيع نطاق أنظمة تعلم الآلة في بيئات الإنتاج

• خبرة قوية في معالجة البيانات واسعة النطاق والأنظمة الموزعة (مثل: Spark، Beam)

• إتقان متقدم في Python وأطر تعلم الآلة مثل TensorFlow أو PyTorch

• فهم عميق لممارسات MLOps (CI/CD، إدارة دورة حياة النماذج، مخازن الميزات، المراقبة)

• خبرة قوية في SQL وأدوات هندسة البيانات (Airflow، Kafka، DBT، وغيرها)

• الخبرة في أطر التجارب وأساليب الاستدلال السببي تعتبر ميزة إضافية

• مهارات قوية في تصميم الأنظمة وهندستها للمنتجات المعتمدة على تعلم الآلة

• مهارات ممتازة في حل المشكلات مع عقلية تحليلية وموجهة نحو الأعمال

• القدرة على قيادة المبادرات، والتأثير على أصحاب المصلحة، وإرشاد أعضاء الفريق المبتدئين