1. قيادة تسليم علوم البيانات من البداية إلى النهاية
- تطوير وتنفيذ وصيانة قواعد البيانات وأنظمة جمع البيانات
- امتلاك دورة الحياة الكاملة لمبادرات التعلم الآلي/الذكاء الاصطناعي - من صياغة المشكلة، واستكشاف البيانات، وهندسة الميزات، وتطوير النماذج، والتحقق، وتسليم عمليات التعلم الآلي.
- تقديم 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 الآلة 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 وإصدار النماذج وإعادة التدريب الآلي والتحسين المستمر.
2. ترجمة احتياجات العمل إلى حلول الذكاء الاصطناعي/التحليلات
- إنشاء أطر ونماذج تشغيلية تجعل علوم البيانات متاحة وقابلة للتوسع ومدمجة ضمن الوظائف التجارية والتقنية
- إشراك أصحاب المصلحة في وحدات الأعمال/المجالات 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/التعلم الآلي (عمليات التعلم الآلي والبنية المعمارية)
- الشراكة مع هندسة البيانات ومنصات البيانات وفرق البنية المعمارية السحابية/التقنية التشغيلية لتضمين النماذج في أنظمة المؤسسة والطبقات التشغيلية.
- وضع معايير للنشر الإنتاجي 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 الذكاء الاصطناعي المسؤول وجودة البيانات وحوكمة البيانات الخاصة بمعادن.
- تعزيز قابلية التكرار 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/التحليلات المتقدمة مع تفضيل البيئات الصناعية أو التعدينية أو الأصول 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) مصنع 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 وإصدار النسخ وإدارة الانحراف
- الإلمام بالأتمتة والتشغيل العملي لأعباء عمل التعلم الآلي/الذكاء الاصطناعي
الخبرة والمنصات المفضلة
- المنصات السحابية والتحليلية
- خبرة في العمل مع منصات السحابة المؤسسية، ويفضل:
- منصة بيانات مايكروسوفت أزور
- منصة الذكاء الاصطناعي Databricks
- مصنع الذكاء الاصطناعي من مايكروسوفت / Microsoft AI Foundry
- فهم البنى 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: توقيت دورات التطوير وجاهزية النشر.
- الامتثال والجودة: التوافق مع الذكاء الاصطناعي المسؤول والحوكمة ومعايير التوثيق.
