مهندس تعلم آلة أول

المسؤوليات الرئيسية:

• تصميم أنظمة تعلم الآلة / خطوط أنابيب شاملة من البداية إلى النهاية / حلول قابلة للتوسع وجاهزة للإنتاج

• قيادة تطوير النماذج / خوارزميات التسعير والترتيب / تحسين معدلات التحويل وعائد الإيرادات

• تصميم حلول التنبؤ / نماذج الطلب والعرض / تحسين تخطيط المخزون والإشغال

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

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

• قيادة التجريب / اختبارات A/B وأطر التحقق / تحسينات المنتج المبنية على البيانات

• التعاون عبر الوظائف / فرق المنتج والهندسة والبيانات / مقاييس متوافقة وتأثير تجاري

• تحديد استراتيجية البيانات / هندسة الميزات ومصادر البيانات / تحسين أداء النموذج وتغطيته

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

• إرشاد أعضاء الفريق / التوجيه التقني وأفضل الممارسات / رفع قدرات الفريق وجودة المخرجات

• تحسين أداء النموذج / استراتيجيات الضبط وإعادة التدريب / دقة وكفاءة مستدامة

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

• إيصال الرؤى / أداء النموذج وتأثيره / اتخاذ قرارات مستنيرة من أصحاب المصلحة

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

• خبرة 5 8+ سنوات في تعلم الآلة التطبيقي أو علم البيانات أو أدوار هندسة تعلم الآلة

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

• خبرة قوية في معالجة البيانات على نطاق واسع والأنظمة الموزعة (مثل Spark وBeam)

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

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

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

• خبرة في أطر التجريب وأساليب الاستدلال السببي تعتبر ميزة إضافية

• مهارات قوية في تصميم الأنظمة والهندسة المعمارية للمنتجات المدفوعة بتعلم الآلة

• مهارات ممتازة في حل المشكلات مع عقلية تحليلية وتجارية قوية

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