مهندس تعلم آلي أول

نحن نبحث عن مهندس تعلم آلي أول للانضمام إلى فريق علوم البيانات والهندسة المتنامي لدينا.
في هذا الدور، ستقوم بتصميم وتطوير ونشر نماذج التعلم الآلي التي تدعم تقنياتنا المتطورة مثل الطلب الصوتي، خوارزميات التنبؤ، وتحليلات العملاء.
ستتعاون بشكل وثيق مع مهندسي البيانات، مهندسي الباك إند، ومديري المنتجات لنقل النماذج من مرحلة النمذجة إلى الإنتاج، مع تحسين الدقة، وقابلية التوسع، وسهولة الصيانة.
بعض الملاحظات الذاتية: هذه هي أول توظيف لنا في مجال التعلم الآلي.
نحن نبحث عن مهندس بمستوى عالٍ يمكنه مساعدتنا في تنفيذ ذلك.
نحن نبحث عن شخص يمتلك مهارات اتصال شفهية وكتابية واضحة، يمكنه أن يترك بصمته في الاجتماعات مع التنفيذيين من المستوى C.
نرغب في التعلم من هذا الشخص حول أفضل طريقة لتنفيذ التعلم الآلي عبر منظمتنا، حيث ننظر إلى التعلم الآلي كطبقة ستعمل عبر منتجات متعددة في منظمتنا.
سيتعاون هذا الشخص بشكل وثيق مع الشخص المسؤول عن المنتج، والمهندسين الآخرين، والتنفيذيين من المستوى C لتشكيل المنتج ودفع التنفيذ.
لتحديد ذلك مرة أخرى، هذه وظيفة بمستوى عالٍ ولكن في قدرة فردية وستتطور إلى دور سيبني فريقًا تحت قيادته / قيادتها.
الوظائف الأساسية: تطوير النموذج: تصميم وبناء نماذج التعلم الآلي من الجيل التالي باستخدام أدوات متقدمة مثل PyTorch، Gemini، وAmazon SageMaker - بشكل أساسي على منصات Google Cloud أو AWS.
هندسة الميزات: بناء خطوط أنابيب ميزات قوية؛ استخراج وتنظيف وتحويل البيانات السلوكية والتعاملات على نطاق واسع.
هندسة ميزات مثل السمات الزمنية، مقاييس الطلب المجمع، الترميزات الفئوية (LabelEncoder، الترميز التكراري).
التجريب والتقييم: تحديد المقاييس، إجراء اختبارات A/B، إجراء التحقق المتقاطع، وتحليل أداء النموذج لتوجيه التحسينات التكرارية.
تدريب وضبط نماذج الانحدار (XGBoost، LightGBM، scikit-learn، TensorFlow/Keras) لتقليل MAE/RMSE وزيادة R².
امتلاك دورة حياة النمذجة بالكامل من البداية إلى النهاية، بما في ذلك إنشاء الميزات، تطوير النموذج، الاختبار، التجريب، المراقبة، الشرح، وصيانة النموذج.
المراقبة والصيانة: تنفيذ التسجيل، المراقبة، والتنبيه لمشاكل انحراف النموذج وجودة البيانات؛ جدولة عمليات إعادة التدريب.
التعاون والإرشاد: التعاون بشكل وثيق مع فرق علوم البيانات والهندسة والمنتجات لتعريف، واستكشاف، وتنفيذ حلول للمشاكل المفتوحة التي تعزز قدرات وتطبيقات Checkmate، وتوجيه المهندسين المبتدئين حول أفضل الممارسات في هندسة التعلم الآلي.
الوثائق والتواصل: إنتاج وثائق واضحة حول بنية النموذج، مخططات البيانات، وإجراءات التشغيل؛ تقديم النتائج للمساهمين الفنيين وغير الفنيين.
الأكاديميات: درجة بكاليوس / ماجستير في علوم الكمبيوتر، الهندسة، الإحصاء، أو مجال ذي صلة. الخبرة: 5+ سنوات من الخبرة في الصناعة (أو 1+ سنة بعد الدكتوراه) في بناء ونشر نماذج تعلم آلي متقدمة تؤثر على الأعمال. خبرة مثبتة في شحن نماذج تعلم آلي ذات جودة إنتاج وأنظمة تحسين، بما في ذلك الخبرة في تقنيات التجريب والتقييم.
خبرة عملية في بناء وصيانة أنظمة خلفية قابلة للتوسع وخطوط أنابيب استدلال التعلم الآلي للتنبؤ في الوقت الحقيقي أو الدفع.
البرمجة والأدوات: إجادة في Python ومكتبات مثل pandas، NumPy، scikit-learn؛ إلمام بـ TensorFlow أو PyTorch.
خبرة عملية مع منصة تعلم آلي سحابية واحدة على الأقل (AWS SageMaker، Google Vertex AI، أو Azure ML).
هندسة البيانات: خبرة عملية مع قواعد بيانات SQL وNoSQL؛ راحة في العمل مع Spark أو أطر عمل موزعة مماثلة.
أساس قوي في الإحصاء، الاحتمالات، وخوارزميات التعلم الآلي مثل XGBoost/LightGBM؛ القدرة على تفسير مخرجات النموذج وتحسينها لمقاييس الأعمال.
خبرة في استراتيجيات الترميز الفئوي واختيار الميزات.
فهم قوي لمقاييس الانحدار (MAE، RMSE، R²) وضبط المعلمات.
السحابة وDevOps: مهارات مثبتة في نشر حلول التعلم الآلي في AWS، GCP، أو Azure؛ معرفة بـ Docker، Kubernetes، وCI/CD. التعاون: مهارات تواصل ممتازة؛ القدرة على ترجمة المفاهيم التقنية المعقدة إلى رؤى واضحة وقابلة للتنفيذ.
يجب أن يكون مرتاحًا للعمل في ساعات الولايات المتحدة على الأقل حتى الساعة 5 مساءً بتوقيت شرق الولايات المتحدة.
المؤهلات المفضلة: درجة ماجستير أو درجة متقدمة في علوم الكمبيوتر، الهندسة، الإحصاء، أو مجال ذي صلة.
إلمام بالتشريعات المتعلقة بخصوصية البيانات (GDPR، CCPA) وأفضل الممارسات في التعلم الآلي الآمن.
مساهمات مفتوحة المصدر أو منشورات في مؤتمرات التعلم الآلي / الذكاء الاصطناعي.
خبرة في إطار برمجة Ruby on Rails.