أخصائي الذكاء الاصطناعي (AI) أول

Tawteen

تطوير حلول الذكاء الاصطناعي:

التصميم والهندسة المعمارية: قيادة تصميم وتطوير أنظمة الذكاء الاصطناعي التي تعالج التحديات الرئيسية للأعمال، مع ضمان أن تكون هذه الأنظمة قوية وقابلة للتوسع وتتكامل بسلاسة في بيئة تكنولوجيا الشركة.

اختيار الخوارزميات: البحث واختيار نماذج الذكاء الاصطناعي المناسبة، وخوارزميات التعلم الآلي، وإطارات التعلم العميق لمهام محددة (مثل، الانحدار، التصنيف، التجميع، أنظمة التوصية، إلخ).

تدريب وتقييم النماذج: تدريب نماذج الذكاء الاصطناعي باستخدام تقنيات التعلم المراقب وغير المراقب، وتقنيات التعلم التعزيزي؛ تقييم أداء النموذج باستخدام مقاييس مثل الدقة، والموثوقية، والاسترجاع، وضمان تلبية معايير الأداء.

تنفيذ معالجة اللغة الطبيعية: تطوير وتحسين خوارزميات معالجة اللغة الطبيعية لتعزيز فهم اللغة في تطبيقات مختلفة، مثل الدردشات الآلية، وتحليل المشاعر، وخدمة العملاء الآلية.

استراتيجية البيانات وإدارتها:

إعداد البيانات: التعاون مع فرق هندسة البيانات لتصميم وتنفيذ خطوط أنابيب ETL (استخراج، تحويل، تحميل)، مع ضمان أن تكون البيانات نظيفة، منظمة، وقابلة للاستخدام لتطبيقات الذكاء الاصطناعي.

حوكمة البيانات: ضمان الاستخدام الأخلاقي للذكاء الاصطناعي من خلال ممارسات حوكمة البيانات المناسبة، بما في ذلك الالتزام بمعايير خصوصية البيانات، مثل اللائحة العامة لحماية البيانات وإطار حماية المستهلك المالي الخاص بـ CBO، وتنفيذ مبادئ الذكاء الاصطناعي المسؤول.

تعزيز البيانات: تعزيز البيانات من خلال تقنيات التعزيز، باستخدام البيانات الاصطناعية عند الضرورة لتعزيز مجموعات بيانات التدريب.

تكامل النظام والنشر:

التكامل: العمل مع مطوري البرمجيات وفرق تكنولوجيا المعلومات لنشر حلول الذكاء الاصطناعي ودمجها مع الأنظمة الحالية، مثل ERP وCRM ومنصات السحابة.

التحسين المستمر: تطوير أنظمة آلية لمراقبة أداء الذكاء الاصطناعي بعد النشر وضمان التعلم المستمر، مما يسمح للنظام بالتكيف والتحسين مع مرور الوقت.

التحكم في الإصدارات وإمكانية التكرار: استخدام أدوات التحكم في الإصدارات لضمان إمكانية تكرار جميع نماذج الذكاء الاصطناعي والرمز وتتبعها.

الأتمتة وتحسين العمليات:

الأتمتة المعتمدة على الذكاء الاصطناعي: تطوير حلول الأتمتة المعتمدة على الذكاء الاصطناعي، مثل سير العمل الذكي، لتبسيط العمليات التجارية مثل إدارة سلسلة التوريد، وخدمة العملاء، وعمليات تكنولوجيا المعلومات.

التحليلات التنبؤية: تنفيذ نماذج تنبؤية للتنبؤ بمقاييس الأعمال مثل فقدان العملاء، واتجاهات المبيعات، والكفاءة التشغيلية.

التعاون والاستشارة:

التعاون بين الوظائف: العمل بشكل وثيق مع فرق متعددة الأقسام (التسويق، العمليات، المالية، إلخ) لتحديد فرص الذكاء الاصطناعي وترجمة احتياجات الأعمال إلى متطلبات تقنية.

التدريب ومشاركة المعرفة: تعليم المعنيين والفرق الداخلية حول اتجاهات وأدوات وممارسات الذكاء الاصطناعي، وضمان اعتماد وفهم واسع للذكاء الاصطناعي عبر المؤسسة.

البحث والتطوير:

الابتكار: متابعة أحدث التطورات في أبحاث الذكاء الاصطناعي، بما في ذلك الأطر الناشئة، والخوارزميات، وتحسينات الأجهزة (مثل، وحدات معالجة الرسومات، وحدات معالجة Tensor، الحوسبة الكمومية).

التجريب: قيادة التجارب على تطبيقات الذكاء الاصطناعي الرائدة، بما في ذلك الذكاء الاصطناعي التوليدي، التعلم التعزيزي، وابتكارات الشبكات العصبية.

خرائط طريق البحث والتطوير: المساهمة في خرائط طريق البحث والتطوير للذكاء الاصطناعي، مقترحين مبادرات يمكن أن تدفع حدود ما يمكن أن تحققه الشركة باستخدام الذكاء الاصطناعي في مجالات مثل التخصيص، وأخلاقيات الذكاء الاصطناعي، والتعاون بين الإنسان والآلة.

المهارات التقنية:

لغات البرمجة: الكفاءة في بايثون، R، جافا، أو C++، مع خبرة قوية في مكتبات الذكاء الاصطناعي/التعلم الآلي مثل TensorFlow، PyTorch، Keras، وscikit-learn.

التعامل مع البيانات: معرفة قوية بقواعد بيانات SQL وNoSQL، وهندسة بحيرات البيانات، وتقنيات معالجة البيانات الضخمة

الكفاءة السحابية: خبرة في خدمات الذكاء الاصطناعي على منصات السحاب مثل AWS (SageMaker)، Microsoft Azure (خدمات معرفية)، GCP (Vertex AI)، قاعدة بيانات سحابة Oracle.

تقنيات النمذجة: خبرة في التعلم العميق، الشبكات العصبية (CNNs، RNNs، LSTMs، GANs)، معالجة اللغة الطبيعية، رؤية الكمبيوتر، والتعلم التعزيزي.

هندسة البرمجيات: معرفة بأساليب تطوير البرمجيات، بما في ذلك Agile، وأنظمة التحكم في الإصدارات

Power BI & Power Query؛ تصور البيانات، DAX

كلا من الواجهة الأمامية والخلفية لدمج بيانات الهجرة والتنظيف

معرفة مفضلة في Oracle