كبير علماء البيانات

QIC digital hub

البحث وتطوير النماذج

• تحليل المهام التجارية وصياغة بيانات مشكلات التعلم الآلي مع فرق المنتج
• تحليل البيانات الاستكشافية: استكشاف بيانات التأمين، وتحديد الأنماط والرؤى
• هندسة الميزات: إنشاء ميزات من البيانات الخام (المعاملات، السياسات، المطالبات، البيانات السلوكية)
• نموذج النمذجة الأولية: التحقق السريع من الفرضيات وحلول MVP
• اختبار A/B: تصميم التجارب للتحقق من حلول التعلم الآلي

تطوير الإنتاج

• نشر النموذج في الإنتاج: من دفتر ملاحظات Jupyter إلى واجهة برمجة التطبيقات الإنتاجية
• إعداد خط أنابيب التعلم الآلي: أتمتة التدريب والتحقق والنشر
• الاستنتاج في الوقت الحقيقي: دمج النماذج في العمليات التجارية (تحت التأمين، معالجة المطالبات)
• مراقبة النموذج: تتبع الأداء، اكتشاف الانجراف، أنظمة التنبيه
• تحسين الأداء: تسريع الاستنتاج، توسيع الأحمال

المهارات التقنية

• خلفية في بيانات المالية/التأمين ميزة
• 5+ سنوات من الخبرة في التعلم الآلي/علوم البيانات مع التركيز على تطوير المنتجات
• لغات البرمجة: بايثون (مستوى متقدم)، SQL
• مجموعة أدوات التعلم الآلي: scikit-learn، XGBoost، LightGBM، CatBoost، pandas، numpy
• التعلم العميق: TensorFlow أو PyTorch لنظم معالجة اللغة الطبيعية وأنظمة التوصية
• عمليات التعلم الآلي: خبرة في نشر النماذج في الإنتاج (Docker، CI/CD، مراقبة)
• البيانات الضخمة: PySpark أو أدوات مشابهة لمجموعات البيانات الكبيرة
• Git والتطوير التعاوني

الكفاءات المهنية

• هندسة الميزات: إنشاء واختيار الميزات لأنواع البيانات المختلفة
• تحقق من النموذج: التحقق المتقاطع، اختبار A/B، معايير الجودة
• الإحصاءات: نظرية الاحتمالات، اختبار الفرضيات، فواصل الثقة
• العمل مع البيانات غير المتوازنة (حاسم لمهام مكافحة الاحتيال)
• تحليل السلاسل الزمنية: التنبؤ وتحليل الاتجاهات
• قابلية تفسير النموذج: SHAP، LIME لشرح النتائج لأصحاب المصلحة في العمل