الوصف الوظيفي
هذه الوظيفة مخصصة لأحد عملاء ويك داي. الحد الأدنى من الخبرة: 10+ سنوات. الموقع: بنغالور، مومباي. نوع الوظيفة: دوام كامل. مجالات التركيز: (1) هندسة منصة البيانات، (2) منصة التعلم الآلي وMLOps، (3) عمليات المنصة وFinOps، (4) حوكمة البيانات والجودة. الخبرة: 14-20 سنة إجمالاً | 8-12 سنة في هندسة منصة البيانات/التعلم الآلي. المنصة الأساسية: ساب. السياق: نحن حالياً نطور طبقة الذكاء "v2.0" فوق هذا Lakehouse - بهدف توحيد MLOps، وتوسيع قدرات الذكاء الاصطناعي، وضمان أن المنصة تقدم زمن استجابة أقل من ثانية عبر شبكة التجزئة بأكملها، والتي تشمل عشرات الآلاف من المتاجر وقنوات رقمية ذات حركة مرور عالية. مجموعة البيانات ومنصات التعلم الآلي (المجموعة A في تكنولوجيا المعلومات المؤسسية) تعمل كقوة دافعة وراء هذا التحول. يقودها نائب رئيس (L2) وتنظم في أربعة أعمدة يقودها نائب رئيس مساعد، مدعومة بـ 10 مهندسي منصة جاهزين للذكاء الاصطناعي وفريق متحول من مهندسي البيانات. كل نائب رئيس مساعد مسؤول عن طبقة منصة محددة ويعمل كقائد بناء - متوقع منه ليس فقط الإدارة ولكن أيضاً التصميم، وإجراء مراجعات الكود، والمساهمة بنشاط في التطوير جنبًا إلى جنب مع فريقه. الأعمدة الأربعة: نحن نسعى لتوظيف أربعة نواب رؤساء، كل منهم يتولى قيادة أحد أعمدة المنصة. بينما يمتلك كل نائب رئيس مساعد الملكية الكاملة لعموده الخاص، يتعاون الأربعة بشكل وثيق كفريق قيادة موحد تحت نائب الرئيس. قد يتم تقييم المرشحين للتعيين في أي عمود اعتمادًا على نقاط قوتهم وملاءمتهم. (1) مهمة هندسة منصة البيانات: تحمل المسؤولية الكاملة عن بنية Lakehouse الأساسية، بما في ذلك التخزين، والحوسبة، وطبقات منصة المطورين التي تدعم جميع العمليات الأخرى. تصميم وصيانة طبقة تخزين Delta Lake، ومحرك الحوسبة Photon، وتجريد Unity Catalog، لخدمة أكثر من 1000 مطور عبر مختلف قطاعات التجزئة. تنفيذ تقنيات تحسين متقدمة بما في ذلك ضبط خطة الاستعلام، وسياسات التوسع التلقائي للمجموعات، واستراتيجيات Z-ordering، ومخططات التقسيم لمجموعات البيانات التي تحتوي على تريليونات من الصفوف. إدارة منصة المطور الداخلية من خلال تطوير SDKs، وأدوات CLI، والقوالب، وتمكين الانضمام الذاتي لتسريع الوقت اللازم للفرق الجديدة للقيام بأول استعلام. قيادة التنظيف الفني لتحديات الهجرة في المرحلة الأولى، بما في ذلك توحيد المخططات، وتوحيد خطوط الأنابيب، وإزالة التكرار من أنظمة مصدر السجل (SOR) عبر مئات المصادر. الإشراف على مجموعة الانتقال لمهندسي البيانات داخل هذا العمود، وتأسيس معايير هندسية، وفرض عمليات مراجعة الكود، وتعريف مسارات التقدم الوظيفي. (2) مهمة منصة التعلم الآلي وMLOps: تحويل التعلم الآلي إلى صناعة من خلال بناء بنية تحتية تنقل النماذج بكفاءة من دفاتر التجريب إلى الإنتاج على نطاق التجزئة. تطوير وصيانة دورة حياة التعلم الآلي من البداية إلى النهاية باستخدام MLflow، بما في ذلك تتبع التجارب، وتسجيل النماذج، وإعادة التدريب التلقائي، واختبار A/B، ونشر النماذج التجريبية. تصميم بنية الاستدلال في الوقت الحقيقي لتقديم خدمات النماذج بزمن استجابة أقل من 100 مللي ثانية عبر تطبيقات التوصية، والتسعير، وتوقع الطلب. بناء بنية الذكاء الاصطناعي Agentic التي تتضمن خطوط أنابيب RAG، ومتاجر المتجهات، وعمليات الضبط للنماذج الأساسية (باستخدام Mosaic AI)، وأطر تنسيق الوكلاء. إنشاء حوكمة لمتجر الميزات من خلال توحيد تعريفات الميزات، وفرض SLAs للانتعاش، وتتبع السلالة، وتعزيز إعادة استخدام الميزات عبر أقسام التجزئة. ضمان موثوقية منصة التعلم الآلي من خلال إدارة مجموعات GPU/TPU، وجدولة وظائف التدريب، وتوزيع التكاليف لكل نموذج، وإدارة استجابة الحوادث لتدهور نماذج الإنتاج. (3) مهمة عمليات المنصة وFinOps: الحفاظ على استقرار المنصة، والأداء، وكفاءة التكلفة - خاصة خلال الفترات الحرجة. ضمان 99.99% من وقت تشغيل المنصة، وتقديم القيادة خلال الأحداث الحرجة مثل مبيعات الأعياد، وافتتاح المتاجر، وفترات الذروة في التجزئة. إنشاء وتشغيل ممارسة FinOps تركز على تخصيص تكاليف DBU حسب الفريق والحمل، وتنفيذ نماذج التحصيل، وأتمتة ضبط الموارد، وتقديم لوحات معلومات تكاليف تنفيذية. تصميم وإدارة أنظمة المراقبة والرصد التي تغطي صحة خطوط الأنابيب، وأداء الاستعلامات، واستخدام المجموعات، وSLAs لانتعاش البيانات عبر جميع مجاري القيمة الستة. قيادة تخطيط السعة من خلال توقع احتياجات الحوسبة والتخزين بما يتماشى مع موسمية التجزئة (دورات الأعياد، وإطلاق المتاجر الجديدة، وتقديم الفئات) وتوفير الموارد وفقًا لذلك مسبقًا. الإشراف على إدارة الحوادث، وتطوير كتب التشغيل، وإجراء تقييمات ما بعد الحادث لمنصة ساب، وضمان تحقيق الأهداف المتعلقة بمتوسط وقت الاسترداد وتحسينها باستمرار. (4) مهمة حوكمة البيانات والجودة: العمل كوصي تقني لأكبر مجموعة بيانات للمستهلكين في الهند، وضمان موثوقيتها، والامتثال، وقابلية اكتشافها. تطوير أطر "حوكمة كود" على Unity Catalog، تتضمن ضوابط وصول آلية، وتصنيف البيانات، وإخفاء الهوية، ومسارات التدقيق للامتثال لمتطلبات قانون DPDP. تصميم وتنفيذ إطار جودة البيانات الذي يتضمن التوصيف الآلي، واكتشاف الشذوذ، وفرض المخططات، ومراقبة الانتعاش عبر آلاف مجموعات البيانات. إدارة كتالوج البيانات ومنصة الاكتشاف، وتوفير إدارة البيانات الوصفية، وتصوير السلالة، وقاموس الأعمال، وأدوات البحث لدعم أكثر من 1000 مستخدم. بناء بنية إدارة الموافقة لمراقبة، وفرض، وتدقيق إشارات موافقة المستخدمين عبر النظام البيئي الشامل "Phygital" للتجزئة (عبر الإنترنت وغير المتصل). دفع معايير البيانات على مستوى المؤسسة من خلال تحديد تسميات، وقواعد لإزالة التكرار من مصادر السجل، ومحاذاة البيانات الرئيسية، وفرض عقود البيانات بين الفرق المنتجة والمستهلكة. الحد الأدنى من المؤهلات (جميع الأعمدة) 14 إلى 20 سنة من الخبرة المهنية في هندسة البرمجيات، وهندسة البيانات، أو بنية التعلم الآلي، بما في ذلك ما لا يقل عن 3 سنوات من قيادة فريق منصة مكون من 5 مهندسين أو أكثر. 8 إلى 12 سنة من الخبرة العملية في بناء وتوسيع منصات البيانات أو التعلم الآلي مثل هياكل Lakehouse، ومتاجر الميزات، ومحركات البث، أو خطوط أنابيب MLOps. خبرة تقنية قوية ضمن نظام ساب البيئي أو منصات البيانات الموزعة المماثلة (مثل، Spark، Presto/Trino، Flink، أو Kafka على نطاق واسع)، مع تفضيل قوي لتجربة ساب. نهج "بناء-قائد" مثبت: المشاركة بنشاط في مراجعة الكود، وتصحيح الأخطاء في الإنتاج، واتخاذ القرارات المعمارية دون تفويض كامل للمسؤوليات التقنية. خبرة في العمل ضمن منظمات تكنولوجيا كبيرة ومعقدة تتميز بالفرق الموروثة، والاعتماد المتبادل، ومتطلبات الامتثال على مستوى المؤسسة. درجة البكالوريوس أو الماجستير في علوم الحاسوب، أو علوم البيانات، أو تخصص ذي صلة، أو خبرة معادلة مكتسبة من خلال الخبرة في الصناعة والمساهمات مفتوحة المصدر. المؤهلات المفضلة خبرة سابقة في إدارة منصات بيانات على نطاق الهند تتعامل مع مليارات الأحداث يوميًا، ومستودعات بيانات بحجم بيتابايت، أو تقديم في الوقت الحقيقي بأكثر من 10,000 استعلام في الثانية. خبرة عملية مع MLflow، Mosaic AI، أو منصات بنية التعلم الآلي المماثلة على مستوى الإنتاج - ليست محدودة بمراحل التجريب. معرفة بمجالات بيانات التجزئة أو التجارة الإلكترونية مثل كتالوجات المنتجات، وإدارة المخزون، ومعالجة الطلبات، وإشارات سلوك العملاء، أو مجموعات بيانات سلسلة التوريد. نجاح مثبت في بناء أدوات داخلية أو منصات مطورين تم اعتمادها على نطاق واسع داخل منظمات هندسية كبيرة. خبرة في ممارسات FinOps بما في ذلك تخصيص تكاليف DBU/الحوسبة، ونمذجة التحصيل، وتحسين تكاليف السحابة على نطاق المؤسسة. معرفة باللوائح الهندية لخصوصية البيانات (قانون DPDP) أو الأطر العالمية (GDPR، CCPA) في سياق حوكمة منصات البيانات. سياق المنظمة: هذه الوظيفة تتبع مباشرة إلى نائب الرئيس ورئيس بيانات ومنصات التعلم الآلي، الذي بدوره يرفع تقاريره إلى رئيس تكنولوجيا المعلومات المؤسسية، وفي النهاية إلى الرئيس التنفيذي. ستتعاون كزميل مع ثلاثة نواب رؤساء آخرين ضمن مجموعة بيانات ومنصات التعلم الآلي وتعمل عن كثب مع أكثر من 10 مهندسي منصة جاهزين للذكاء الاصطناعي على مستوى المعمار والرئيس، إلى جانب مجموعة مهندسي البيانات والمنصات المتحولين. تتكون إدارة تكنولوجيا المعلومات المؤسسية الأوسع من خمس مجموعات L2 إضافية: CISO/الأمن السيبراني، HR/المالية/المنصات القانونية، ساب-الأساسية، الأنظمة والمعماريين الذكاء الاصطناعي، ورئيس تكنولوجيا المعلومات + السحابة والبنية التحتية.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
