كلما زادت طلبات التقديم التي ترسلينها، زادت فرصك في الحصول على وظيفة!
إليك لمحة عن معدل نشاط الباحثات عن عمل خلال الشهر الماضي:
عدد الفرص التي تم تصفحها
عدد الطلبات التي تم تقديمها
استمري في التصفح والتقديم لزيادة فرصك في الحصول على وظيفة!
هل تبحثين عن جهات توظيف لها سجل مثبت في دعم وتمكين النساء؟
اضغطي هنا لاكتشاف الفرص المتاحة الآن!ندعوكِ للمشاركة في استطلاع مصمّم لمساعدة الباحثين على فهم أفضل الطرق لربط الباحثات عن عمل بالوظائف التي يبحثن عنها.
هل ترغبين في المشاركة؟
في حال تم اختياركِ، سنتواصل معكِ عبر البريد الإلكتروني لتزويدكِ بالتفاصيل والتعليمات الخاصة بالمشاركة.
ستحصلين على مبلغ 7 دولارات مقابل إجابتك على الاستطلاع.
تمت الترجمة إلى العربية بواسطة Bayt AI. اضغط هنا لعرض النص الأصلي.
نحن لا نستخدم الذكاء الاصطناعي فقط. نحن نبني به، ونشحن به، ونفكر به. نحن في أعلى 1% من الشركات التي تطبق الذكاء الاصطناعي بشكل فعال، ليس فقط على منتجاتنا، ولكن على كيفية بنائها. مع ميزانية غير محدودة لرموز Anthropic، يستخدم مهندسونا وكلاء الذكاء الاصطناعي لكتابة ومراجعة وشحن كود الإنتاج كل يوم. نحن نبني نحو عالم حيث يصمم البشر الأنظمة ويقوم الذكاء الاصطناعي ببنائها، ونحن بالفعل في طريقنا أكثر من أي شخص آخر.
كـمهندس بيانات أول، ستكون قائدًا تقنيًا في مركز هذا التحول. ستشكل بنية المنصة، وتقود تسليم المنتجات المدعومة بالذكاء الاصطناعي، وترفع مستوى ما يمكن أن تحققه مجموعة صغيرة من المهندسين المدعومين بالذكاء الاصطناعي. هذه وظيفة لشخص يعيش بالفعل في محطة العمل الخاصة به مع الذكاء الاصطناعي، ولديه آراء قوية حول كيفية تغيير الذكاء الاصطناعي لتصميم الأنظمة، ويريد المساعدة في تحديد شكل منظمة الهندسة من الجيل التالي.
بناء وتوسيع خطوط أنابيب البث عالية الإنتاجية. تصميم وتنفيذ وتشغيل خطوط أنابيب تستوعب أكثر من 400 مليون تحديث MLS شهريًا عبر أكثر من 350 تكامل باستخدام Airflow وSpark Streaming وKafka وIceberg - لضمان الموثوقية والأداء وصحة البيانات.
نموذج وتقديم مجموعات بيانات العقارات عالية الجودة، مناسبة للإنتاج. تطوير وصيانة مجموعات البيانات التي تدعم تجارب المنتج الأساسية، مع التركيز على نمذجة البيانات، ومنطق التحويل، وتحقيق التوازن بين الحداثة والدقة والتكلفة.
تعزيز جودة البيانات وقابلية المراقبة. تنفيذ وتحسين فحوصات جودة البيانات، والمراقبة، والتنبيه لاكتشاف المشكلات مبكرًا وتقليل التأثيرات السلبية.
استغلال الذكاء الاصطناعي لتحسين عمليات البيانات. المساهمة في أدوات مدفوعة بالذكاء الاصطناعي تساعد في تصنيف المشكلات، وتصحيح الأخطاء، وحل مشكلات جودة البيانات، مما يزيد من كفاءة الفريق ويقلل من التدخل اليدوي.
السمات
أنت تبني بالفعل باستخدام الذكاء الاصطناعي يوميًا. تستخدم Claude Code كجزء أساسي من سير العمل الخاص بك، وليس كشيء جديد.
لديك آراء قوية، ولكنها مرنة، حول كيفية تغيير الذكاء الاصطناعي لهندسة البرمجيات، وهيكل الفريق، وثقافة الهندسة.
تفكر في الأنظمة. تربط القرارات التقنية بالنتائج الخاصة بالعملاء والقيمة التجارية على المدى الطويل.
تتواصل بوضوح وبشكل مباشر. يمكنك شرح التبادلات المعقدة لجهات الاتصال في المنتج، والتصميم، والتنفيذ.
تشعر بالحماس تجاه الغموض والسرعة. تزدهر في شركة سريعة النمو حيث تتطور خارطة الطريق والملكية حقيقية.
تحب أن تستمتع في العمل. نحن نأخذ حرفتنا على محمل الجد، لكننا لا نأخذ أنفسنا على محمل الجد. نحتفل بالنجاحات، ونمزح، ونستمتع حقًا بالبناء معًا.
المهارات والخبرة
6+ سنوات من الخبرة المهنية في هندسة البيانات أو هندسة البرمجيات.
خبرة قوية في معالجة البيانات الموزعة وأنظمة البث (Spark / PySpark، Kafka).
إجادة في Python (يفضل Pydantic) ومعرفة بـ Node/TypeScript تعتبر ميزة.
خبرة في بناء وصيانة خطوط أنابيب البيانات على AWS باستخدام أدوات مثل Airflow وSpark Streaming وIceberg.
فهم قوي لنمذجة البيانات والعمل مع مجموعات بيانات كبيرة.
معرفة بأنظمة الدفع المدفوعة وأنماط الاستيعاب (Kafka، SQS).
خبرة في تنفيذ فحوصات جودة البيانات، والمراقبة، وتصحيح مشكلات البيانات.
اهتمام بتطبيق الذكاء الاصطناعي/التعلم الآلي أو الأتمتة لتحسين سير العمل في البيانات يعتبر ميزة.
سجل حافل في قيادة مبادرات ذات تأثير كبير من المفهوم إلى الإنتاج في بيئة SaaS.
فهم متقدم لمبادئ تصميم البرمجيات وخبرة في هياكل المنصات متعددة المستأجرين.
التقنية المستخدمة
الجهة الخلفية: Python، PySpark، Pydantic، Node/TypeScript.
البيانات: Iceberg، Postgres.
البنية التحتية: AWS، Kubernetes، Airflow، Spark Streaming.
المراسلة: Kafka، SQS.
لن يتم النظر في طلبك لهذة الوظيفة، وسيتم إزالته من البريد الوارد الخاص بصاحب العمل.