بصفتك عالم بيانات II في كليفر، سيتم امتلاك مشاريع علم البيانات من البداية إلى النهاية، بدءًا من تحديد المشكلة وصولاً إلى شحن النماذج التي تدعم منتجاتنا وتشكل القرارات التجارية الرئيسية. سيتم التعاون بشكل وثيق مع فرق المنتج والهندسة والتسويق والمخاطر لتحويل المشكلات الغامضة وعالية المخاطر إلى أنظمة جاهزة للإنتاج، ولعب دور مباشر في تحديد مستقبل التكنولوجيا المالية عبر المنطقة.
هذه وظيفة لشخص مستعد للعمل مع توجيه محدود: تحديد نطاق عملهم، اتخاذ قرارات تقنية سليمة، وتحمل المسؤولية عن الأنظمة التي يبنونها.

ما ستقوم به:

امتلاك نماذج إحصائية ونماذج تعلم آلي لمشكلات مثل تقسيم العملاء، وتقييم الائتمان، واكتشاف الاحتيال، بدءًا من الإطار وصولاً إلى النشر. ترجمة المشكلات التجارية الغامضة إلى حلول تحليلية محددة جيدًا مع تأثير قابل للقياس. أخذ النماذج إلى الإنتاج بنفسك بالتعاون مع مهندسي البيانات، والبقاء مسؤولاً عنها بمجرد أن تصبح حية. التعمق في سلوك المستخدم وبيانات المعاملات لاستخراج الاتجاهات والأنماط والفرص التي يغفلها الآخرون. التواصل بوضوح حول النتائج والتوصيات مع كل من الجماهير التقنية وغير التقنية. مراقبة صحة النموذج بعد النشر وتحسين الأداء باستمرار مع مرور الوقت. المساهمة في أطر عمل علم البيانات الداخلية لدينا، والأدوات، وأفضل الممارسات الهندسية.

للنجاح في هذه الوظيفة، ستحتاج إلى:

3+ سنوات من الخبرة العملية في علم البيانات أو التعلم الآلي التطبيقي، بما في ذلك نموذج واحد على الأقل قمت بأخذه من تحديد المشكلة إلى الإنتاج. إجادة قوية في بايثون (NumPy، pandas، scikit-learn) وSQL. أساس متين في الإحصاء، والاحتمالات، وطرق التعلم الآلي الأساسية. خبرة في العمل مع مجموعات بيانات كبيرة على منصات السحابة (يفضل AWS). حكم هندسي سليم والقدرة على العمل بشكل مستقل ضمن فريق تعاوني. مهارات تواصل قوية وسجل حافل من العمل بفعالية عبر الوظائف. خبرة في التكنولوجيا المالية أو التمويل الاستهلاكي، خاصة مع المشكلات المنظمة مثل الائتمان أو الاحتيال.

من الجيد أن تمتلك:

إلمام بأدوات MLOps مثل MLflow وDocker. خبرة مع أدوات BI مثل Looker أو Tableau.