مهندس بيانات رئيسي EMIRATES GLOBAL ALUMINIUM (EGA)

• بنية البيانات الكبيرة: تصميم وبناء وصيانة بنية تحتية للبيانات عالية الأداء، قائمة على السحابة، مقاومة للأخطاء، وقابلة للتوسع تدعم تطبيقات الشركة التي تعتمد على البيانات بكثافة في الوقت الحقيقي/الدفعة/LLM's. يشمل ذلك تطوير استراتيجيات لتخزين البيانات TBs، المعالجة، والتحليل، وتنفيذ خطوط بيانات عالية الأداء وقابلة للتوسع لنماذج ML ومنتجات البيانات، تدعم حتى 50-60 حالة استخدام في السنة وآلاف من أجهزة IoT.
• إنشاء البنية التحتية ككود، أداء التكوين وإعداد خدمات البيانات المُدارة. بناء ونشر ملعب لعلوم البيانات للبحث والنمذجة لنظام علوم البيانات المهنية والمواطنة الذي يتم طرحه ودعم 15-20 عالم بيانات مواطن/سفير.
• عمليات تعلم الآلة MLOps: تطوير وإدارة عملية التشغيل ML، والعمل عن كثب مع فريق علوم البيانات لتنفيذ نماذج ML في الإنتاج، بما في ذلك الحافة. يشمل ذلك تبسيط دورة حياة ML، من تطوير النموذج والاختبار إلى النشر وتنفيذ استراتيجية المراقبة والتنبيه.
• الأتمتة وقابلية التوسع: تنفيذ أدوات وأطر الأتمتة لإدارة تحديثات/تغييرات النظام. ضمان أن جميع الأنظمة والبنى التحتية يمكن أن تتوسع بفعالية مع زيادة أجهزة استشعار IoT والأجهزة.
• التكامل المستمر والنشر CI/CD: الإشراف على ممارسات التكامل المستمر والنشر المستمر لخط بيانات ML، مع ضمان إمكانية إصدار البرمجيات بشكل موثوق في أي وقت.
• مراقبة النظام والموثوقية: مراقبة أداء النظام وموثوقيته لضمان مستويات عالية من الأداء، والتوافر، والأمان. يشمل ذلك تحديد وإصلاح المشكلات المحتملة والحالية في النظام. التعاون والتواصل مع التعاون القوي مع مهندس/مهندسة البيانات، وعلماء البيانات لتنفيذ واختبار خدمات البيانات الجديدة لتوفير بنية تحتية مرنة للبيانات.
• الأمان: الإشراف وضمان أن جميع منصات البيانات الكبيرة وML Ops تتوافق مع معايير وسياسات الأمان الخاصة بالشركة.
• الإرشاد والقيادة: العمل كمرشد لأعضاء البيانات الشباب، وتقديم التوجيه والدعم في تطويرهم المهني. تعزيز ثقافة الأداء والتعاون والتعلم المستمر داخل فريق البيانات.
• الابتكار والتحسين المستمر: البقاء على اطلاع بأحدث الاتجاهات في الصناعة والتقنيات الجديدة. استكشاف الحلول الابتكارية والتحسينات للبنية التحتية الحالية للبيانات لتحسين قابليتها للتوسع والموثوقية والكفاءة.
• حل المشكلات: توقع وحل المشكلات الفنية قبل أن تصبح عقبات، والحفاظ على استمرارية تدفق البيانات وضمان أعلى مستويات جودة البيانات ونزاهتها.

السلطة/اتخاذ القرار:

• تصميم البنية التحتية: اتخاذ القرار بشأن التصميم الأكثر فعالية وتنفيذ بنية البيانات الكبيرة للشركة.
• عملية ML Ops: اتخاذ القرارات الرئيسية بشأن عملية التشغيل ML، مع ضمان إمكانية دمج نماذج ML بشكل فعال في الإنتاج.
• أدوات الأتمتة: اختيار أدوات وأطر الأتمتة الأكثر ملاءمة لاحتياجات الشركة.
• ممارسات CI/CD: تحديد أفضل الممارسات للتكامل المستمر والنشر في سياق عمليات الشركة.
• مراقبة النظام: اتخاذ القرارات بشأن استراتيجيات مراقبة النظام، بما في ذلك اختيار الأدوات والاستجابة لمقاييس أداء النظام.
• سياسات الأمان: المشاركة في تنفيذ سياسات الأمان فيما يتعلق بمنصات البيانات الكبيرة وML Ops.
• الميزانية والتكاليف: تحمل المسؤولية عن إدارة تكاليف منصة البيانات والخدمات ذات الصلة.