كبير علماء البيانات / كبير مهندسي التعلم الآلي

"ستقود تصميم وتطوير ونشر نماذج تعلم الآلة والذكاء الاصطناعي والذكاء الاصطناعي التوليدي التي تشغّل منتجات فوديكس الأساسية (مثل التسعير، التخصيص، كشف الاحتيال). ستتعاون مع مهندسي البيانات ومديري المنتجات وفرق المنصات لتقديم نماذج بجودة إنتاجية ذات تأثير حقيقي. ما الذي ستفعله: ستتولى إدارة دورة حياة نموذج تعلم الآلة من البداية إلى النهاية: تحديد المشكلة، استكشاف البيانات، التدريب، النشر، والمراقبة. ستصمم وتطوّر حلولاً قابلة للتوسع باستخدام تقنيات تعلم الآلة الكلاسيكية والذكاء الاصطناعي التوليدي. ستنفّذ أفضل ممارسات MLOps: إدارة الإصدارات، قابلية إعادة الإنتاج، المراقبة، وCI/CD للنماذج. ستتعاون مع الفرق والمنصات لضمان قابلية إعادة الاستخدام والالتزام بالمعايير. ستوجّه مهندسي تعلم الآلة المبتدئين وتساهم في قاعدة المعرفة الداخلية لتعلم الآلة. ستدمج النماذج مع واجهات برمجة التطبيقات والخدمات الخلفية حسب الحاجة. ستعتمد وتفرض نهج "أنت من يبنيه، وأنت من يديره"، متولياً دورة حياة نماذج تعلم الآلة بالكامل من التطوير إلى المراقبة والتحسين المستمر.

• خبرة 5+ سنوات في تعلم الآلة التطبيقي أو الذكاء الاصطناعي أو علوم البيانات.
• إتقان قوي للغة Python ومكتبات تعلم الآلة والذكاء الاصطناعي (مثل scikit-learn، PyTorch، TensorFlow، XGBoost، HuggingFace Transformers).
• خبرة في أدوات MLOps (مثل MLflow، SageMaker) وإدارة الإصدارات والاختبار والمراقبة.
• فهم عميق لسير عمل تطوير النماذج بما في ذلك هندسة الميزات، ضبط المعلمات الفائقة، تقييم النماذج، والاختبار A/B.
• فهم عميق للنمذجة الإحصائية والاستدلال الإحصائي والتطبيق المناسب للاختبارات الإحصائية (مثل اختبار t، مربع كاي، ANOVA، تحليل الانحدار)؛ والقدرة على تفسير النتائج وإيصال الآثار المترتبة لكل من الجماهير التقنية وغير التقنية.
• سجل حافل في نشر نماذج تعلم الآلة في بيئات الإنتاج على نطاق واسع.
• معرفة بأفضل ممارسات تعلم الآلة بما في ذلك تخفيف التحيز، وقابلية التفسير (مثل SHAP، LIME)، ومراقبة النماذج للانحراف والعدالة.
• فهم قوي لخطوط البيانات والتجارب وتقييم النماذج.
• الإلمام بالعمل في بيئة سحابية أصلية (AWS مفضل) مع أدوات CI/CD وGitOps وIaC (مثل Terraform، CDK).
• خبرة عملية في تكامل الذكاء الاصطناعي التوليدي / نماذج اللغة الكبيرة (مثل RAG، الضبط الدقيق، التضمينات، هندسة الاستدلالات) وأدوات مثل LangChain أو LangGraph أو LlamaIndex."