مهندس بيانات رائد EMIRATES GLOBAL ALUMINIUM (EGA)

• بنية البيانات الكبيرة: تصميم وبناء وصيانة بنية بيانات موزعة عالية الأداء، سحابية، مقاومة للأخطاء، وقابلة للتوسع تدعم التطبيقات الكثيفة البيانات الخاصة بالشركة في الوقت الحقيقي/الدفعات/LLM. ويشمل ذلك تطوير استراتيجيات لتخزين البيانات TBs، المعالجة، والتحليل، وتنفيذ خطوط بيانات عالية الأداء وقابلة للتوسع لنماذج ML ومنتجات البيانات، داعمة لما يصل إلى 50-60 حالة استخدام في السنة وآلاف من أجهزة IoT.
• إنشاء بنية تحتية ككود، إجراء التكوين وإعداد خدمات البيانات المدارة. بناء ونشر ملعب لعلوم البيانات للبحث والنمذجة للبرنامج المهني وعلوم البيانات للمواطنين الذي يتم تنفيذه ودعم 15-20 عالم بيانات/سفير.
• عمليات التعلم الآلي MLOps تطوير وإدارة عملية التشغيل ML، والعمل بشكل وثيق مع فريق علوم البيانات لتنفيذ نماذج ML في الإنتاج، بما في ذلك الحواف. ويشمل ذلك تبسيط دورة حياة ML، من تطوير النموذج واختباره إلى النشر وتنفيذ استراتيجية المراقبة والتنبيه.
• الأتمتة والقابلية للتوسع: تنفيذ أدوات وأطر الأتمتة لإدارة تحديثات/تغييرات النظام. التأكد من أن جميع الأنظمة والبنى التحتية يمكن أن تتوسع بشكل فعال مع زيادة أجهزة ومستشعرات IoT.
• التكامل المستمر والنشر CI CD: الإشراف على ممارسات التكامل المستمر والنشر المستمر لخط بيانات وML، لضمان إمكانية إصدار البرمجيات بشكل موثوق في أي وقت.
• مراقبة النظام والموثوقية: مراقبة أداء النظام وموثوقيته لضمان مستويات عالية من الأداء، التوفر، والأمان. ويشمل ذلك تحديد وإصلاح المشكلات المحتملة والحالية في النظام. التعاون والتواصل تعاون قوي مع مهندس/معماري البيانات، علماء البيانات لتنفيذ واختبار خدمات بيانات جديدة لتوفير بنية بيانات مرنة.
• الأمان: الإشراف والتأكد من أن جميع منصات البيانات الكبيرة وMLOps تتوافق مع معايير وسياسات الأمان الخاصة بالشركات.
• الإرشاد والقيادة: العمل كمرشد لأعضاء البيانات المبتدئين، وتقديم التوجيه والدعم في تطويرهم المهني. تعزيز ثقافة الأداء، التعاون، والتعلم المستمر داخل فريق البيانات.
• الابتكار والتحسين المستمر: البقاء على اطلاع باتجاهات الصناعة والتكنولوجيا الجديدة. استكشاف حلول مبتكرة وتحسينات للبنية التحتية للبيانات الحالية لتحسين قابلية التوسع، الموثوقية، والكفاءة.
• حل المشكلات: توقع وحل المشكلات التقنية 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 والتنفيذ الأكثر فعالية لبنية البيانات الكبيرة الخاصة بالشركة.
• عملية MLOps: اتخاذ قرارات رئيسية بشأن عملية التشغيل ML، مما يضمن إمكانية دمج نماذج ML بشكل فعال في الإنتاج.
• أدوات الأتمتة: اختيار الأدوات والأطر الأكثر ملاءمة لاحتياجات الشركة.
• ممارسات CI/CD: تحديد أفضل الممارسات للتكامل المستمر والنشر في سياق عمليات الشركة.
• مراقبة النظام: اتخاذ قرارات بشأن استراتيجيات مراقبة النظام، بما في ذلك اختيار الأدوات والاستجابة لمقاييس أداء النظام.
• سياسات الأمان: إبداء الرأي في تنفيذ سياسات الأمان كما تتعلق بمنصات البيانات الكبيرة وMLOps.
• الميزانية والتكلفة: تحمل المسؤولية عن إدارة تكاليف منصة البيانات والخدمات ذات الصلة.