كبير علماء البيانات

Xenon7

نسعى جاهدين لتوظيف علماء بيانات أولين مهرة ومتحمسين للانضمام إلى فريقنا المتنامي. في هذه الأدوار، ستلعب دورًا حاسمًا في تصميم وتطوير وتقديم حلول متقدمة تعتمد على البيانات تدفع القرارات التجارية الرئيسية، بينما تقود مبادرات التحليلات المتقدمة وتعلم الآلة عبر البنك.

المسؤوليات الرئيسية

• قيادة وتوجيه علماء البيانات المبتدئين، وتقديم الإرشادات الفنية، ومراجعات الشيفرة، ودعم تطوير المسيرة المهنية.
• تحليل مجموعات البيانات المعقدة لاستخراج رؤى قابلة للتنفيذ باستخدام تقنيات الإحصاء المتقدمة وتعلم الآلة.
• بناء وتحسين النماذج التنبؤية، وأنظمة التوصية، ونماذج التجميع، وحلول التنبؤ بالسلاسل الزمنية.
• التعاون مع فرق متعددة التخصصات بما في ذلك الهندسة والمنتجات وأصحاب المصلحة في الأعمال لدمج الحلول المعتمدة على البيانات في أنظمة الإنتاج.
• التعاون مع فرق MLOps والهندسة لأتمتة نشر النماذج، والمراقبة، وإعادة تدريب خطوط الأنابيب باستخدام أدوات مثل MLflow و Airflow أو Kubeflow.
• ترجمة نتائج التحليل إلى مؤشرات الأداء الرئيسية للأعمال وقياس تأثير النماذج على النتائج المالية والتشغيلية الرئيسية.
• استكشاف قدرات الذكاء الاصطناعي الناشئة، بما في ذلك GenAI وحلول القائمة على LLM لتحليل المستندات واسترجاع المعرفة وتفاعل العملاء.
• كتابة شيفرة نظيفة وقابلة للصيانة بشكل أساسي بلغة بايثون وSQL لتحليل البيانات، وتطوير النماذج، والنشر.
• التواصل بوضوح مع النتائج وأداء النماذج مع أصحاب المصلحة الفنيين وغير الفنيين من خلال التقارير والعروض التقديمية.
• ضمان حوكمة النماذج والعدالة بما يتماشى مع متطلبات التنظيم المصرفي (على سبيل المثال، MRM، والامتثال، ومعايير التدقيق).

المهارات والخبرات

عقلية تحليلية قوية وقدرة على حل المشكلات.

خبرة عميقة في خوارزميات تعلم الآلة والأساليب الإحصائية.

خبرة عملية مع بنى وتقنيات التعلم العميق.

إتقان لغة بايثون وSQL لمعالجة البيانات، والتحليل، وتطوير النماذج.

إلمام بالأطر مثل TensorFlow و PyTorch و scikit-learn و Keras.

خبرة عملية مع النمذجة التنبؤية، وتقسيم العملاء، وأنظمة التوصية، والتنبؤ بالسلاسل الزمنية.

خبرة في تحليل السلاسل الزمنية باستخدام ARIMA و LSTM و Prophet.

إلمام بتقنيات التجميع مثل k-means ونماذج الخليط غاوسي.

فهم أنظمة التوصية بما في ذلك التصفية التعاونية، والأنظمة القائمة على المحتوى، والنماذج الهجينة، ومقترحات التعلم العميق.

القدرة على استغلال خوارزميات تعلم الآلة مثل Random Forest و SVM و XGBoost.

مهارات تواصل قوية لتقديم المفاهيم الفنية للجمهور الفني وغير الفني.

القدرة على العمل بشكل تعاوني في فرق متعددة التخصصات.

دافع ذاتي، منظم للغاية، وقادر على التعامل مع مشاريع متعددة في وقت واحد.

الالتزام بالتعلم المستمر والبقاء على اطلاع بالتطورات في علوم البيانات والذكاء الاصطناعي.