أخصائي الذكاء الاصطناعي الأول

Tawteen

المسؤوليات الرئيسية:

تطوير حلول الذكاء الاصطناعي:

تصميم وهندسة: قيادة تصميم وتطوير أنظمة الذكاء الاصطناعي التي تعالج التحديات الرئيسية للأعمال، مع ضمان أن هذه الأنظمة قوية وقابلة للتوسع وتتكامل بسلاسة في مشهد التكنولوجيا في الشركة.

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

تدريب وتقييم النماذج: تدريب نماذج الذكاء الاصطناعي باستخدام تقنيات التعلم تحت الإشراف، والتعلم غير المراقب، وتقنيات التعلم التعزيزي؛ تقييم أداء النموذج باستخدام مقاييس مثل الدقة، والموثوقية، والاسترجاع، والتأكد من أنها تلبي معايير الأداء.

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

استراتيجية البيانات وإدارتها:

إعداد البيانات: التعاون مع فرق هندسة البيانات لتصميم وتنفيذ أنظمة ETL (استخراج، تحويل، تحميل)، مع ضمان أن تكون البيانات نظيفة ومنظمة 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 GDPR وإطار حماية المستهلك المالي من CBO، وتنفيذ مبادئ الذكاء الاصطناعي المسؤول.

زيادة البيانات: تحسين البيانات من خلال تقنيات الزيادة، باستخدام بيانات اصطناعية عند الضرورة لتعزيز مجموعات بيانات التدريب.

دمج النظام والنشر:

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

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

التحكم في الإصدارات وإمكانية التكرار: استخدام أدوات التحكم في الإصدارات لضمان أن جميع نماذج الذكاء الاصطناعي والشيفرة قابلة للتكرار وقابلة للتتبع.

الأتمتة وتحسين العمليات:

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

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

التعاون والاستشارة:

التعاون عبر الوظائف: العمل عن كثب مع فرق عبر الأقسام (التسويق والعمليات والمالية، إلخ) لتحديد فرص الذكاء الاصطناعي وترجمة احتياجات الأعمال إلى متطلبات تقنية.

التدريب ومشاركة المعرفة: تثقيف المعنيين والفرق الداخلية حول اتجاهات الذكاء الاصطناعي والأدوات وأفضل الممارسات، مما يضمن تبني وفهم واسع النطاق للذكاء الاصطناعي عبر المنظمة.

البحث والتطوير:

الابتكار: مواكبة أحدث التطورات في أبحاث الذكاء الاصطناعي، بما في ذلك الأطر الناشئة، والخوارزميات، وتحسينات الأجهزة (مثل: وحدات المعالجة الرسومية، وحدات المعالجة التنسيلية، الحوسبة الكمية).

التجريب: قيادة التجارب في تطبيقات الذكاء الاصطناعي المتطورة، بما في ذلك الذكاء الاصطناعي التوليدي، والتعلم التعزيزي، وابتكارات الشبكات العصبية.

خرائط طريق البحث والتطوير: المساهمة في خرائط طريق البحث والتطوير للذكاء الاصطناعي، واقتراح مبادرات يمكن أن تدفع حدود ما يمكن أن تحققه الشركة بالذكاء الاصطناعي في مجالات مثل تخصيص الخدمات، وأخلاقيات الذكاء الاصطناعي، والتعاون بين الإنسان والآلة.

المهارات التقنية:

لغات البرمجة: إتقان في Python وR وJava أو C++، مع خبرة عملية قوية في مكتبات الذكاء الاصطناعي/التعلم الآلي مثل TensorFlow وPyTorch وKeras وscikit-learn.

معالجة البيانات: معرفة قوية بقواعد بيانات SQL وNoSQL، وهياكل بحيرات البيانات، وتقنيات معالجة البيانات الكبيرة.

إتقان السحابة: خبرة في خدمات الذكاء الاصطناعي على منصات السحابة مثل AWS (SageMaker) وMicrosoft Azure (خدمات إدراك) وGCP (Vertex AI) وقاعدة بيانات السحابة من Oracle.

تقنيات النمذجة: خبرة في التعلم العميق، والشبكات العصبية (CNNs وRNNs وLSTMs وGANs)، ومعالجة اللغة الطبيعية، ورؤية 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 الواجهة الأمامية والخلفية لدمج البيانات ونقلها وتنظيفها.

معرفة مفضلة في Oracle.