الوصف الوظيفي

الأدوار والمسؤوليات

نظرة عامة
نحن نسعى لتوظيف عالم بيانات أول ماهر للغاية لقيادة تصميم و
تنفيذ نماذج تحليلية متقدمة ونماذج تعلم آلي تمكن من
الذكاء التنبؤي والتوصيفي والأوتوماتيكي. يجب أن يتمتع المرشح المثالي بخبرة عميقة
في نمذجة البيانات، والتنبؤ، واكتشاف الشذوذ، بالإضافة إلى القدرة على
تصميم حلول قابلة للتوسع تحول مجموعات البيانات المعقدة إلى رؤى قابلة للتنفيذ. كما
تشمل الوظيفة التعرض لتقنيات الذكاء الاصطناعي التوليدي مثل LLMs وRAG و
الوكلاء الأذكياء التي تدعم التحليلات المحسنة وأتمتة القرار.

المسؤوليات الرئيسية
1. التعلم الآلي والتحليلات التنبؤية
تطوير ونشر نماذج تعلم الآلي للتنبؤ، واكتشاف الشذوذ،
التعظيم، وتحليل الأسباب الجذرية.

إجراء استكشاف البيانات وتحليل الأنماط لتحديد الاتجاهات، والارتباطات، و
الانحرافات السلوكية.
تطبيق الأساليب الإحصائية والخوارزمية لتحسين أداء النموذج و
قابلية التفسير.
التحقق من النماذج ومراقبتها لضمان الدقة، والقابلية للتوسع، وملاءمة الأعمال.
2. إعداد البيانات وهندسة الميزات
العمل مع فرق هندسة البيانات لتأسيس خطوط بيانات قوية و
أطر تكامل.
تطوير عمليات لتنظيف البيانات، والتحويل، والارتباط، واستخراج الميزات.
ضمان اتساق البيانات، والجودة، وقابلية التتبع عبر أنظمة ومجالات متعددة.
تنفيذ سير عمل مؤتمت للحفاظ على سلامة البيانات العالية وكفاءة النمذجة.
3. الرؤية التحليلية وتمكين القرار
تحويل النتائج التحليلية المعقدة إلى رؤى واضحة وقابلة للتنفيذ توجه
صنع القرار.

التعاون مع خبراء المنتجات والمجالات لتحديد الفرص للتحسين المدفوع بالبيانات.

بناء لوحات المعلومات والتصورات التي تنقل نتائج النموذج و
اتجاهات الأداء بفعالية.
قياس تأثير مبادرات علوم البيانات والتوافق مع مؤشرات الأداء الرئيسية القابلة للقياس.
4. نشر النموذج وإدارة دورة الحياة
نشر وصيانة نماذج التعلم الآلي باستخدام خطوط MLOps مع إعادة
التدريب المستمر وتتبع الأداء.
تنفيذ مراقبة النماذج، والتحكم في الإصدارات، وأطر اكتشاف الانحراف.
التعاون مع فرق DevOps والتطبيقات لدمج مكونات التحليلات
في بيئات الإنتاج.

ضمان امتثال النماذج لمعايير الجودة، والحكومة، والموثوقية.
5. الذكاء الاصطناعي التوليدي والأنظمة الذكية
تطبيق بنى تعتمد على LLM وRAG لاسترجاع المعرفة، والتفكير السياقي، و
تلخيص البيانات.
تطوير وكلاء مدعومين بالذكاء الاصطناعي تدعم سير العمل التحليلي وأتمتة
القرارات.
التجريب مع هندسة المطالبات والتعديل لتحسين دقة النموذج
والقابلية للتكيف.
دمج النمذجة التنبؤية مع التقنيات التوليدية لإثراء رؤى البيانات
والقابلية للاستخدام.

المؤهلات
ماجستير أو دكتوراه في علوم البيانات، علوم الحاسوب، الإحصاء، الرياضيات، أو
مجال كمي ذي صلة.
7+ سنوات من الخبرة في التعلم الآلي، والذكاء الاصطناعي، أو التحليلات المتقدمة، مع تأثير مثبت
في نشر النموذج.
إجادة قوية في البرمجة بلغة بايثون، R، وSQL، مع خبرة في استخدام
TensorFlow، أو PyTorch.
خبرة في نمذجة البيانات، والتنبؤ، والتصنيف، والتجمع، و
التعظيم.
إتقان في معالجة البيانات (pandas، NumPy، PySpark) وأدوات التصور
(Power BI، Tableau، Plotly).
معرفة بممارسات MLOps، والبيئات السحابية (AWS، Azure، GCP)، و
مراقبة أداء النماذج.
أسس قوية في الإحصاء، والاحتمالات، واختبار الفرضيات.

خبرة في الاتصالات، وضمان الشبكة، أو مجموعات بيانات القياس الكبيرة.
الإلمام بتنفيذات LLM وRAG، وقواعد البيانات المتجهة، وأطر LangChain.

فهم AIOps، وتحليلات الشبكة، وأتمتة الحلقة المغلقة.
قدرة مثبتة على ربط علوم البيانات واستراتيجية الأعمال من خلال نتائج
قابلة للقياس.

عالم البيانات
Client of MBR Partners

الأشخاص الذين يبحثون على وظائف الوظائف التي تم البحث عنها

عالم البيانات Client of MBR Partners

الأشخاص الذين يبحثون على وظائف الوظائف التي تم البحث عنها

عالم البيانات
Client of MBR Partners