مهندس ذكاء اصطناعي / تعلم آلة أول

Streamline solution

العمل مع أصحاب المصلحة لتعريف الميزات المدفوعة بتعلم الآلة ومعايير النجاح القابلة للقياس.

استكشاف وتحليل مجموعات البيانات (المهيكلة وغير المهيكلة) لاستخراج رؤى وتحديد الفرص.

تصميم وتدريب وتقييم نماذج تعلم الآلة للتنبؤ، التصنيف، التجميع، أو مهام مشابهة.

بناء خطوط بيانات قوية لهندسة الميزات، التدريب، والاستدلال.

نشر النماذج في الإنتاج (تسجيل دفعات أو في الوقت الحقيقي) بالتعاون مع فرق البرمجة الخلفية وDevOps.

مراقبة النماذج في الإنتاج: انحراف الأداء، انحراف البيانات، زمن الاستجابة، والأخطاء.

توثيق التجارب، والقرارات، والنتائج بطريقة يمكن للفريق اتباعها وإعادة إنتاجها.

المساهمة في الأدوات الداخلية، والمكتبات، وأفضل الممارسات لتعلم الآلة وتحليلات البيانات.

المشاركة في مراجعات التصميم الفني، مع إحضار منظور البيانات وتعلم الآلة إلى مناقشات المنتج.

توجيه المهندسين الآخرين ومشاركة المعرفة حول مواضيع تعلم الآلة، والبيانات، والتحليلات.

الخبرة والمهارات المطلوبة

5+ سنوات من الخبرة في تعلم الآلة أو علم البيانات التطبيقي، مع نشرات إنتاجية.

إجادة قوية في بايثون والمكتبات الشائعة لتعلم الآلة / البيانات (على سبيل المثال: pandas، NumPy، scikit-learn؛ PyTorch أو TensorFlow).

معرفة قوية بتقنيات تعلم الآلة التقليدية (الانحدار، نماذج قائمة على الأشجار، التجميع، اختيار النموذج، مقاييس التقييم).

خبرة في العمل مع مجموعات بيانات كبيرة، مستودعات البيانات أو بحيرات البيانات، وأطر معالجة موزعة (Spark، Dask، أو مشابهة).

خبرة في بناء خطوط البيانات (مثل: Airflow، Dagster، Prefect، أو أدوات مشابهة).

خبرة في نشر النماذج في الإنتاج (APIs، خطوط دفعات، أو تدفقات) ومراقبتها.

فهم قوي للتجارب، واختبارات A/B، وكيفية تفسير النتائج.

مهارات SQL قوية وخبرة في العمل مع قواعد البيانات العلائقية.

القدرة على توصيل النتائج المعقدة بطريقة واضحة ومنظمة للجمهور الفني وغير الفني.

خبرة في العمل مع المهندسين والمنتج لتحويل البيانات والنماذج إلى ميزات المنتج.

من الجيد أن تتوفر

خبرة في أدوات MLOps (MLflow، Kubeflow، SageMaker، Vertex AI، أو مشابهة).

خبرة في حزم البيانات الكبيرة على AWS، GCP، أو Azure (مثل: Redshift، BigQuery، بحيرات البيانات المبنية على S3).

خبرة في النماذج اللغوية الحديثة وأعمال الذكاء الاصطناعي التوليدية التطبيقية.

خبرة في مجال حيث تكون جودة البيانات، والموثوقية، وقابلية التتبع مهمة (الرعاية الصحية، المالية، إلخ).

خبرة في بيئة بدء التشغيل أو استشارات، مع التعامل مع مشاريع أو عملاء متعددة.