مرحبًا بكم في وارنر بروس. ديسكفري... الأشياء التي تُصنع منها الأحلام.

من نحن...

عندما نقول، "الأشياء التي تُصنع منها الأحلام،" لا نشير فقط إلى عالم السحرة والتنانين والأبطال الخارقين، أو حتى إلى عجائب كوكب الأرض. خلف محفظة وبد ديسكفري الواسعة من المحتوى الأيقوني والعلامات التجارية المحبوبة، يوجد رواة القصص الذين يحيون شخصياتنا، والمبدعون الذين يجلبونها إلى غرف معيشتكم والحالمون الذين يخلقون ما هو قادم...

من المبدعين اللامعين، إلى رواد التكنولوجيا، تقدم وبد ديسكفري فرصًا مهنية مميزة، ومزايا مدروسة، والأدوات لاستكشاف وتنمية أفضل ما في أنفسكم. هنا يتم دعمكم، هنا يتم الاحتفال بكم، هنا يمكنكم الازدهار.

مهندس تعلم آلي II ( فريق بيانات وجمهور المنصة)، حيدر أباد

عن وارنر بروس. ديسكفري

وارنر بروس. ديسكفري، شركة عالمية رائدة في مجال الإعلام والترفيه، تقدم للجمهور أكثر محفظة محتوى متميزة وكاملة من العلامات التجارية والامتيازات عبر التلفزيون، السينما، البث المباشر والألعاب. تجمع الشركة الجديدة بين أصول وارنر ميديا الترفيهية المتميزة، والرياضة والأخبار مع الأعمال الرائدة في مجال الترفيه غير الخيالي والرياضة الدولية من ديسكفري.

للمزيد من المعلومات، يرجى زيارة www.wbd.com.

تعرف على فريقنا

وارنر بروس. ديسكفري (وبد) هي موطن لأكثر العلامات التجارية شهرة في مجال الترفيه، الأخبار، والرياضة - HBO Max، CNN، Discovery+، DC، وارنر بروس، Bleacher Report، Food Network، والعديد غيرها. ضمن منظمة بيانات وجمهور المنصة (DAP)، يقوم فريق هندسة التعلم الآلي لدينا في حيدر أباد ببناء الذكاء الاصطناعي/التعلم الآلي الأساسي الذي يدعم الهوية، الجمهور، الإعلانات، والتخصيص عبر كل علامة تجارية من وبد. نحن نحول إشارات الطرف الأول من مئات الملايين من المشاهدين إلى أنظمة تعلم آلي إنتاجية توسع الجمهور القابل للوصول، وتحسن الاستهداف والقياس، وتوقع الطلب، وتخصص اكتشاف المحتوى - مما يدفع مباشرة عائدات الإعلانات، وكفاءة التسويق، والمشاركة، والاحتفاظ.

في وبد، يقوم مهندسو التعلم الآلي بإجراء علوم البيانات الدقيقة ويمتلكون الهندسة التي تجلب النماذج إلى الحياة: خطوط بيانات التعلم الآلي الإنتاجية، تدريب النماذج وتحسينها، والبنية التحتية للتعلم الآلي - متاجر الميزات، خطوط التدريب والخدمة، وMLOps - التي تجعل عملنا موثوقًا، قابلًا للتكرار، وقابلًا للتوسع. نبني بشكل أساسي على Databricks، مع معرفة قوية بـ Snowflake و AWS، ونحن من المتبنين الأوائل والمتحمسين لعمليات تطوير الذكاء الاصطناعي.

عن الدور

كـ مهندس تعلم آلي II، ستعمل جنبًا إلى جنب مع المهندسين الكبار والموظفين لبناء وصيانة خطوط إنتاج التعلم الآلي، والمساهمة في تطوير النماذج، والنمو لتصبح مهندس تعلم آلي متكامل يجمع بين علم البيانات وهندسة البرمجيات. هذه وظيفة عملية لشخص لديه حوالي 2-4 سنوات من الخبرة ويتطلع للعمل على أنظمة تعلم آلي ذات تأثير كبير على نطاق واسع - من الرسوم البيانية الهوية الاحتمالية إلى نماذج التعلق بعناوين فردية - ويرغب في تطوير خبرة عميقة عبر دورة حياة التعلم الآلي الكاملة.

ما ستقوم بهتطوير ونمذجة التعلم الآلي

بناء وصيانة خطوط التعلم الآلي من البداية إلى النهاية للتدريب، التقييم، والاستدلال الدفعي عبر حالات الاستخدام مثل حل الهوية، تقسيم الجمهور، ونمذجة التعلق بالمحتوى.

تنفيذ وتجربة نماذج إشرافية، غير إشرافية، ونماذج ترتيب في بايثون (scikit-learn، XGBoost/LightGBM، PyTorch).

هندسة الميزات من مشاهدات الطرف الأول، التفاعل، الاشتراك، وإشارات السلوك، مع الحذر من تسرب البيانات، التداخل، والانحراف بين التدريب والخدمة.

تشغيل تجارب غير متصلة بالإنترنت منظمة؛ تقييمها بالمعايير الصحيحة (الدقة/الاسترجاع، F1، AUC-ROC، المعايرة، الرفع) وتوثيق النتائج في MLflow.

البنية التحتية للتعلم الآلي والهندسة

تطوير وصيانة خطوط البيانات والميزات على Databricks (PySpark، Delta، Workflows) التي تغذي متجر الميزات وعمليات تدريب النماذج، مع الانتباه إلى التكرار وإمكانية الاستنساخ.

كتابة بايثون نظيف، مختبر، عالي الجودة للإنتاج وفقًا لأفضل ممارسات الهندسة (اختبارات الوحدة، مراجعات الكود، CI/CD).

استخدام MLflow لتتبع التجارب، تسجيل النماذج، وإصدارها تحت إشراف المهندسين الكبار.

دعم نشر ومراقبة وظائف الاستدلال الدفعي المدمجة مع منصات التفعيل السفلية (مثل Mosaic، FreeWheel، GAM) والبيانات في Snowflake.

الذكاء الاصطناعي الوكالي والأدوات الحديثة

استخدام أدوات التطوير المدعومة بالذكاء الاصطناعي (Cursor، GitHub Copilot، Amazon Q) لتسريع الترميز، وتصحيح الأخطاء، والتوثيق تحت الإشراف.

الاستفادة من Databricks Genie للاستكشاف بلغة طبيعية لمجموعات بيانات Unity Catalog الخاضعة للرقابة - استعلام جداول ميزات التعلم الآلي، مخرجات النماذج، وشرائح الجمهور.

استخدام Snowflake Cortex (Copilot / Cortex Analyst) لتسريع تحليل البيانات وتأليف SQL ضد مخططات الجمهور والهوية.تعلم وتطبيق أنماط هندسة المطالبات لاستكشاف البيانات المدعومة من LLM وتوليد الميزات، والمشاركة في تقييم أدوات MCP (نموذج سياق البروتوكول) مع توسع الفريق في سير العمل الوكالي.

التعاون والنمو

التعاون مع مهندسي التعلم الآلي الكبار والموظفين لفهم قرارات تصميم النظام والمساهمة بشكل ملموس في المناقشات الفنية.

العمل عبر الوظائف مع هندسة البيانات، وهندسة الميزات، والتحليلات لضمان جودة البيانات وموثوقية خطوط الأنابيب.

توثيق النماذج، وخطوط الأنابيب، والتجارب بوضوح لمشاركة المعرفة بين الفريق.

ما ستجلبهالمتطلبات

2-4 سنوات من الخبرة الصناعية في التعلم الآلي، علم البيانات، أو هندسة التعلم الآلي (أو 1-2 سنوات مع درجة ماجستير ذات صلة).

إجادة قوية في بايثون؛ خبرة مع pandas، NumPy، scikit-learn، وإطار عمل تعلم عميق واحد على الأقل (PyTorch أو TensorFlow).

خبرة عملية مع Spark/PySpark أو معالجة البيانات على نطاق واسع مكافئة.

إجادة في SQL ومعرفة بمخازن البيانات السحابية/بحيرات البيانات (Snowflake أو Databricks).

خبرة مع أدوات تتبع التجارب (MLflow، Weights & Biases، أو ما شابه).

فهم قوي لمفاهيم التعلم الآلي الأساسية: التصنيف، الانحدار، الترتيب، التضمينات، وتقييم النماذج؛ بالإضافة إلى أساسيات علوم الحاسوب القوية (هياكل البيانات، الخوارزميات، الكود النظيف).

درجة البكالوريوس في علوم الحاسوب، الإحصاء، الهندسة، أو مجال كمي ذي صلة (أو خبرة عملية مكافئة).

القدرة على استخدام أدوات الذكاء الاصطناعي لتحسين الإنتاجية بشكل مستقل عبر دورة حياة التعلم الآلي، والتواصل الكتابي والشفهي الواضح.

المفضل

خبرة مع Databricks (دفاتر، Delta Lake، Workflows/DLT، Unity Catalog، MLflow).

تعرض لأنظمة التوصية، تقسيم الجمهور، حل الهوية، أو التنبؤ.

معرفة بخدمات AWS (SageMaker، S3، Lambda) و/أو متاجر الميزات (متجر ميزات Databricks، Feast).

تعرض لأدوات الذكاء الاصطناعي الوكالية: Cursor، GitHub Copilot، Amazon Q، Databricks Genie، Snowflake Cortex، أو MCP.

ما نقدمه:

• مكان رائع للعمل

  
  
  

• صاحب عمل يتيح فرص متساوية

  
  
  

• فرص نمو سريعة

  
  
  

كيف نقوم بالأشياء...

هذه النقطة الأخيرة ربما هي الأكثر أهمية! هنا في وبد، مبادئنا التوجيهية هي القيم الأساسية التي نعمل بها وهي مركزية لكيفية إنجاز الأمور. يمكنك العثور عليها في www.wbd.com/guiding-principles/ مع بعض الرؤى من الفريق حول ما تعنيه وكيف تظهر في يومهم. نأمل أن تت resonant معك ونتطلع إلى مناقشتها خلال مقابلتك.

دعم الشمولية في وبد

وارنر بروس. ديسكفري تحتضن الفرصة لبناء قوة عمل تعكس مجموعة واسعة من وجهات النظر والخلفيات والتجارب. كوننا صاحب عمل يتيح فرص متساوية يعني أننا نأخذ على محمل الجد مسؤوليتنا في النظر إلى المرشحين المؤهلين بناءً على الجدارة، بغض النظر عن الجنس، الهوية الجنسية، العرق، العمر، التوجه الجنسي، الدين أو المعتقد، الحالة الاجتماعية، الحمل، الأبوة، الإعاقة أو أي فئة أخرى محمية بموجب القانون.

إذا كنت مرشحًا مؤهلاً ولديك إعاقة وتحتاج إلى تعديلات أو تسهيلات خلال عملية تقديم الطلب و/أو التوظيف، يرجى زيارة صفحة الوصول للحصول على تعليمات لتقديم طلبك.