عالم بيانات في الفريق

B.Tech

المسؤوليات

• استراتيجية تقنية متعددة المجالات: قيادة تطوير حلول التعلم الآلي عبر سياقات متنوعة، مع ضمان أن النماذج المتعلقة بمخاطر الائتمان، ومرونة التسعير، وتحسين التحصيل تستخدم بنية تحتية مشتركة بكفاءة.
• هندسة MLOps: دعم اعتماد أطر خدمة النماذج الحديثة ومتاجر الميزات. تصميم سير العمل الذي يضمن التناسق بين الميزات أثناء التدريب والاستدلال في الوقت الحقيقي.
• معايير الهندسة: وضع معايير صارمة لتتبع الإصدارات، وتتبع التجارب، وتحسين المعلمات، مع ضمان أن جميع الأبحاث قابلة للتكرار وجاهزة للإنتاج.
• نشر الإنتاج: الإشراف على انتقال النماذج من بيئات الدفتر إلى واجهات برمجة التطبيقات الإنتاجية ذات زمن الاستجابة المنخفض. ضمان أن النماذج مغلفة، ومحتواة، ومتكاملة بسلاسة مع خدمات الخلفية.
• التوجيه: إرشاد الفريق في أفضل الممارسات لهندسة البرمجيات بلغة بايثون، بما في ذلك استراتيجيات الاختبار، وبنية الكود، وتحسين الأداء.

الخبرة: 7+ سنوات في علم البيانات مع تركيز قوي على هندسة الإنتاج. تفضل الخبرة في التكنولوجيا المالية، والإقراض، أو المخاطر.

إجادة التعلم الآلي: فهم عميق لكل من التعلم الآلي التقليدي (تعزيز التدرج، النماذج الإحصائية) وأطر التعلم العميق.

هندسة الإنتاج: سجل حافل مثبت في نشر النماذج في بيئات الوقت الحقيقي. familiarity with the concepts of Feature Stores and Model Registries is essential.

التقنية: مهارات بايثون على مستوى الخبراء. كفاءة قوية في SQL وتصميم قواعد البيانات العلائقية.

التفكير الاستراتيجي: القدرة على تحويل مؤشرات الأداء الرئيسية المعقدة (مثل تقليل القروض غير العاملة) إلى خرائط طريق تقنية للتعلم الآلي.