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. وراء مجموعة وارنر بروس. ديسكفري الواسعة من المحتوى الأيقوني والعلامات التجارية المحبوبة، يوجد رواة القصص الذين يُحيون شخصياتنا، والمبدعون الذين يجلبونهم إلى غرف معيشتكم والحالمون الذين يخلقون ما هو قادم...

من المبدعين اللامعين إلى رواد التكنولوجيا، تقدم وارنر بروس. ديسكفري فرصًا مهنية مميزة، ومزايا مدروسة، والأدوات لاستكشاف والنمو إلى أفضل ما لديك. هنا يتم دعمك، هنا يتم الاحتفال بك، هنا يمكنك الازدهار.

مدير أول، هندسة التعلم الآلي (منصة البيانات والجمهور)، حيدر أباد

حول وارنر بروس. ديسكفري

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

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

تعرف على فريقنا

وارنر بروس. ديسكفري (WBD) هي موطن لأكثر العلامات التجارية شهرة في الترفيه والأخبار والرياضة في العالم - HBO Max، CNN، Discovery+، DC، وارنر بروس، بلاتشر ريبورت، شبكة الطعام، والعديد غيرها. ضمن منظمة منصة البيانات والجمهور (DAP)، يبني فريق هندسة التعلم الآلي لدينا في حيدر أباد الذكاء الأساسي للذكاء الاصطناعي/التعلم الآلي الذي يدعم الهوية والجمهور والإعلانات والتخصيص عبر كل علامة تجارية من WBD. نحن نحول إشارات الطرف الأول من مئات الملايين من المشاهدين إلى أنظمة تعلم آلي إنتاجية توسع الجماهير القابلة للاستهداف، وتحدد الاستهداف والقياس، وتتنبأ بالطلب، وتخصص اكتشاف المحتوى - مما يؤدي مباشرة إلى زيادة العائدات الإعلانية وكفاءة التسويق والمشاركة والاحتفاظ.

في WBD، يقوم مهندسو التعلم الآلي بعلوم البيانات الدقيقة ويمتلكون الهندسة التي تُحيي النماذج: خطوط بيانات التعلم الآلي الإنتاجية، تدريب النماذج وتحسينها، والبنية التحتية للتعلم الآلي - مخازن الميزات، خطوط التدريب والخدمة، وعمليات التعلم الآلي - التي تجعل عملنا موثوقًا وقابلًا للتكرار وقابلًا للتوسع. نبني بشكل أساسي على Databricks، مع معرفة قوية بـ Snowflake وAWS، ونحن من المتبنين الأوائل والمتحمسين لتطوير الذكاء الاصطناعي الوكالي.

حول الدور

هذه هي التوظيف الأكثر أهمية لبناء هندسة التعلم الآلي في WBD في حيدر أباد. بصفتك مدير هندسة التعلم الآلي الأول، ستقوم بإنشاء وقيادة وتنمية مركز التميز لهندسة التعلم الآلي في حيدر أباد - فريق من سبعة مساهمين فرديين يمتد عبر ذكاء الهوية، ذكاء الجمهور، نمذجة تفضيلات المحتوى، التنبؤ، وهندسة منصة التعلم الآلي. ستكون القائد المسؤول الوحيد عن التنفيذ الفني للفريق، وتطوير الأفراد، والتسليم عبر الوظائف في الهند، تعمل كامتداد حقيقي لمدير الهندسة. جميع المساهمين الفرديين في هندسة التعلم الآلي/علوم البيانات في حيدر أباد يرفعون تقاريرهم إليك، وأنت ترفع تقاريرك إلى المدير.

تتطلب هذه الوظيفة مزيجًا استثنائيًا من العمق الفني (يجب أن تكون قادرًا على المشاركة بشكل موثوق في مناقشات هندسة التعلم الآلي على مستوى الموظفين)، قيادة الأفراد (ستدير سلم IC متنوع من MLE 2 إلى موظف)، والتأثير التنظيمي (ستكون ممثلًا لحيدر أباد عبر منظمات البيانات والمنتجات والإعلانات العالمية في WBD). أنت لست مجرد مدير - أنت باني، شريك تقني، وحامل ثقافة.

ما الذي ستقوم به

قيادة الفريق وتطوير الأفراد

• إدارة مباشرة لـ 7 مساهمين فرديين (2× MLE 2، 3× MLE أول، 1× MLE موظف، 1× DS موظف)؛ امتلاك أدائهم ونموهم وتطويرهم المهني.

  
  
  

• إنشاء ثقافة هندسية عالية الأداء: التميز الفني، الملكية، الأمان النفسي، التجريب الدقيق، والتعلم المستمر.

  
  
  

• تحديد توقعات واضحة للدور، ومسارات النمو، ومعايير الترقية المتوافقة مع عائلة وظائف هندسة التعلم الآلي العالمية في WBD؛ إجراء مراجعات أداء منتظمة، ومحادثات حول المسار المهني، ومعالجة الفجوات في الأداء بشكل استباقي.

  
  
  

• قيادة التوظيف لفريق حيدر أباد: تحديد معايير التوظيف، تصميم عمليات المقابلة، جذب أفضل المواهب في التعلم الآلي، وبناء خط أنابيب محلي قوي ومتنوع.

  
  
  

• تعزيز بيئة شاملة وتعاونية تربط بين مناطق الزمن في الهند والولايات المتحدة بشكل فعال.

  
  
  

القيادة الفنية والإشراف

• الحفاظ على عمق فني كافٍ لمراجعة مقترحات هندسة التعلم الآلي، وتحدي قرارات التصميم، وإلغاء حظر التصعيدات الفنية عبر جميع مجالات العمل.

  
  
  

• الشراكة مع MLE الموظف لوضع معايير فنية وتطبيقها: ممارسات MLOps، جودة الكود، صرامة تقييم النماذج، والتوثيق.

  
  
  

• امتلاك خارطة الطريق الفنية لأنظمة التعلم الآلي للفريق - ذكاء الهوية، ذكاء الجمهور، تفضيلات المحتوى، التنبؤ - بما يتماشى مع الاستراتيجية العالمية للتعلم الآلي.

  
  
  

• دفع اعتماد مجموعة الأدوات الأساسية للفريق: Databricks (أساسي)، AWS SageMaker، Snowflake، MLflow، وأدوات الذكاء الاصطناعي الوكالية (Cursor، Copilot، Amazon Q، Databricks Genie، Snowflake Cortex، MCP).

  
  
  

• ضمان أنظمة التعلم الآلي الإنتاجية موثوقة، ومراقبة، وفعالة من حيث التكلفة، ويتم تحسينها باستمرار؛ امتلاك موقف الفريق في الاستجابة للحوادث.

  
  
  

تنفيذ البرامج والتسليم

• امتلاك المسؤولية الكاملة عن تسليم مشاريع التعلم الآلي في حيدر أباد: النطاق، والمعالم، والاعتماديات، والمخاطر، والتواصل مع أصحاب المصلحة.

  
  
  

• تشغيل عمليات رشيقة فعالة تتكيف مع واقع التعلم الآلي (عدم اليقين في البحث، اعتماد البيانات، تكرار التجارب)، مع إيقاعات تخطيط D90 وتوافق OKR ربع السنوي.

  
  
  

• تحديد وحل الاعتماديات عبر الفرق بشكل استباقي مع هندسة البيانات، والمنتج، ومبيعات الإعلانات، والقانون/الخصوصية.

  
  
  

• الحفاظ على رؤية واضحة للطاقة، وتوازن الأولويات، والالتزامات؛ التواصل بحالة المخاطر والالتزامات بشفافية مع المدير.

  
  
  

امتلاك مجالات العمل الرئيسية في التعلم الآلي

• ذكاء الهوية: الإشراف على تسليم العمود الفقري الاحتمالي للهوية - حل إشارات غير مصادق عليها (معرفات الأجهزة، ملفات تعريف الارتباط 1P) للأسر/الأشخاص مع ثقة مضبوطة عبر جميع علامات WBD.

  
  
  

• ذكاء الجمهور: الإشراف على مُحسّن الترويج التعلمي، STAT v2 (استرجاع تفضيل عنوان واحد)، نمذجة الشبيهة (LAL 2.0+ في Snowflake DCR)، والتجزئة التي تدعم تفعيل الإعلانات والتسويق.

  
  
  

• تفضيل المحتوى والتخصيص: الإشراف على نماذج تفضيل النوع وإشارات التخصيص المستندة إلى المشاركة التي تغذي HBO Max وCNN.

  
  
  

• التنبؤ: الإشراف على التنبؤات المستندة إلى التعلم الآلي للجمهور، والمشاركة، والعائد/الإيرادات التي تدعم التخطيط المالي، والمحتوى، والتسويق.

  
  
  

• منصة MLOps: ضمان أن مخزن الميزات للفريق، وخطوط التدريب/الخدمة، وسجل النماذج، والمراقبة في مستوى الإنتاج، موثقة جيدًا، ومتسقة في الاعتماد.

  
  
  

القيادة عبر الوظائف والتنظيم

• كونك نقطة الاتصال الرئيسية لفريق التعلم الآلي في حيدر أباد عبر المنتج، والتسويق، ومبيعات الإعلانات، وهندسة البيانات، والقانون/الخصوصية، والمالية.

  
  
  

• بناء علاقات قوية مع القيادة في التعلم الآلي في الولايات المتحدة، وعلوم البيانات، ونظرائهم في هندسة المنصات بحيث تكون حيدر أباد جزءًا متكاملًا بالكامل - وليس معزولًا - من المنظمة العالمية للتعلم الآلي.

  
  
  

• الشراكة مع المدير في استراتيجية الفريق طويلة المدى، وتخطيط القدرات، وتصميم التنظيم؛ تمثيل WBD ML خارجيًا حيثما كان ذلك مناسبًا (علامة المواهب، شراكات الجامعات).

  
  
  

• ضمان أن تلبي أنظمة التعلم الآلي متطلبات الخصوصية، والحكومة، والامتثال.

  
  
  

الذكاء الاصطناعي الوكالي وثقافة الابتكار

• دعم تطوير الذكاء الاصطناعي الوكالي: وضع معايير لاستخدام Cursor، GitHub Copilot، Amazon Q، وأدوات تعتمد على MCP لتسريع سرعة التعلم الآلي، مع تحسينات قابلة للقياس في الجودة وكفاءة دورة الحياة.

  
  
  

• دفع اعتماد Databricks Genie (واجهات NL ذات الخدمة الذاتية الخاضعة للرقابة على Unity Catalog) وSnowflake Cortex (Copilot/Analyst، بحث Cortex، وضبط دقيق انتقائي) بحيث تكون مخرجات التعلم الآلي متاحة لأصحاب المصلحة غير التقنيين.

  
  
  

• خلق مساحة للابتكار: وقت هيكلي للنمذجة، محادثات تقنية داخلية، والمساهمة في مجتمع WBD الأوسع لممارسة التعلم الآلي؛ جلب رؤى خارجية ذات صلة إلى خارطة الطريق.

  
  
  

ما الذي ستجلبه

المتطلبات

• 12+ عامًا من الخبرة الإجمالية في التعلم الآلي، علوم البيانات، أو هندسة التعلم الآلي، بما في ذلك 3-5+ سنوات في إدارة الهندسة.

  
  
  

• نجاح مثبت في قيادة وتنمية فرق من ~6-12 مهندس تعلم آلي و/أو علماء بيانات، بما في ذلك سلم IC متعدد المستويات (من مبتدئ إلى موظف).

  
  
  

• أساس تقني قوي في التعلم الآلي: يمكنك قراءة وانتقاد مقترحات هندسة النموذج، مراجعة كود التعلم الآلي، والمشاركة بشكل موثوق في مناقشات على مستوى الموظفين - لقد قمت شخصيًا ببناء وشحن التعلم الآلي الإنتاجي.

  
  
  

• خبرة عملية (حالية أو حديثة) مع مجموعة أدوات التعلم الآلي: بايثون، Databricks/Spark، MLflow، التعلم الآلي السحابي (يفضل AWS SageMaker)، وSQL/Snowflake.

  
  
  

• سجل حافل في تسليم مشاريع التعلم الآلي المعقدة على نطاق واسع على مدار عدة أشهر.

  
  
  

• خبرة في منظمة عالمية ذات هيكل شبكي مع تعاون عبر مناطق زمنية.

  
  
  

• مهارات تواصل ممتازة: ترجمة التعقيد الفني لجمهور تنفيذي وغير تقني، وسياق الأعمال للمهندسين.

  
  
  

• درجة البكالوريوس أو الماجستير في علوم الكمبيوتر، الإحصاء، الهندسة، أو مجال كمي ذي صلة.

  
  
  

المفضل

• قيادة التعلم الآلي في البث، الإعلام، تكنولوجيا الإعلانات، أو الإنترنت الاستهلاكي - لا سيما نمذجة الجمهور، حل الهوية، التخصيص، أو التوصيات.

  
  
  

• الإلمام بنظام وارنر بروس. ديسكفري: Databricks، Snowflake، AWS، FreeWheel/GAM، أو مجموعات تفعيل تكنولوجيا الإعلانات المعادلة.

  
  
  

• خبرة في إدارة الفرق عبر مناطق زمنية في الهند والولايات المتحدة، وبناء فرق التعلم الآلي من المراحل المبكرة (معايير التوظيف، كتيبات التوجيه، الثقافة).

  
  
  

• الإلمام بـ Databricks Genie، Snowflake Cortex، MCP، وعمليات التطوير الحديثة المدعومة بالذكاء الاصطناعي.

  
  
  

• خبرة في غرف البيانات النظيفة والتعلم الآلي الذي يحافظ على الخصوصية.

  
  
  

ما نقدمه:

• مكان رائع للعمل

  
  
  

• صاحب عمل يضمن تكافؤ الفرص

  
  
  

• فرص نمو سريعة

  
  
  

كيف ننجز الأمور...

هذه النقطة الأخيرة ربما هي الأهم! هنا في WBD، 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 resonate معك ونتطلع إلى مناقشتها خلال مقابلتك.

دعم الشمولية في WBD

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

إذا كنت مرشحًا مؤهلاً ولديك إعاقة وتحتاج إلى تعديلات أو تسهيلات خلال عملية التقديم و/أو التوظيف، يرجى زيارة صفحتنا للوصول للحصول على تعليمات لتقديم طلبك.