خبير بيانات أول

ما ستقوم به

• قيادة مشاريع الذكاء الاصطناعي التطبيقية من الفكرة إلى التأثير - تصميم نموذج أولي، والتحقق، ومساعدة الفرق في نشر حلول التعلم الآلي والذكاء الاصطناعي التوليدي العملية.
• التعاون عبر الوظائف: الشراكة مع فرق المنتجات والهندسة والبحث لتحديد نطاق المشاكل، وتحديد الفرص، وتطوير الحلول بشكل مشترك.
• العمل كمستشار داخلي: تقديم المشورة للفرق حول أفضل الممارسات في التعلم الآلي/الذكاء الاصطناعي، وتقييم النماذج، والاستخدام المنتج للتقنيات التوليدية.
• تصميم تجارب قوية وتأسيس خطوط تقييم لموثوقية النموذج، والدقة، وتأثير الأعمال.
• ربط البحث بالإنتاج: تعبئة رؤى البحث في واجهات برمجة التطبيقات، أو الأدوات، أو سير العمل القابلة للاستخدام من قبل الفرق الأخرى.
• استكشاف تقنيات جديدة (مثل LLMs، ونماذج التضمين، وتوليد معزز بالاسترجاع، وسير العمل الوكيلة) لتعزيز تجارب المطورين والأمان.
• مشاركة المعرفة وتوجيه الأقران، مما يساعد على رفع مستوى معرفة المؤسسة وقدراتها في الذكاء الاصطناعي.

ما نبحث عنه

• أكثر من 6 سنوات من الخبرة في علوم البيانات التطبيقية، أو التعلم الآلي، أو أبحاث الذكاء الاصطناعي.
• مهارات قوية في بايثون وخبرة عملية مع مكتبات ومنصات التعلم الآلي/الذكاء الاصطناعي مثل داتابريكس، واجهة برمجة تطبيقات OpenAI، وScikit-learn.
• الراحة في العمل مع مجموعات بيانات كبيرة وفوضوية أو غير منظمة - أنت تعرف كيفية تحويل الفوضى إلى ميزات، ورؤى، وتصويرات جميلة.
• معرفة عميقة بأنظمة LLMs وGenAI (مثل OpenAI، كلود، هوجينغ فيس): مهارة في هندسة المطالبات، وضبط المعلمات، وتقييم سلوك النموذج مقابل الحقيقة الأساسية.
• خبرة في أخذ أنظمة التعلم الآلي أو GenAI من النموذج الأولي إلى الإنتاج، حتى لو كانت على نطاق صغير أو تدريجي.
• تفكير تحليلي قوي، ومهارات تجريبية، وتقدير للتقييم الموثوق القائم على البيانات.
• إجادة استخدام Git وسير العمل التعاوني في البرمجة (GitHub أو ما شابه).
• عقلية متوازنة - مرتاح بنفس القدر لاستكشاف أفكار البحث وتنفيذ أنظمة جاهزة للإنتاج.
• استباقي وموجه ذاتيًا: لا تنتظر المواصفات المثالية؛ تجد مشاكل ذات مغزى وتدفعها نحو الاكتمال.

نقاط إضافية

• خبرة في أدوات البرمجة المدعومة بالذكاء الاصطناعي (Copilot، كلود كود، Codex، إلخ).
• معرفة بسير العمل الوكيل، وبروتوكول سياق النموذج (MCP)، ودمج استخدام الأدوات.
• تعرض لأمن المعلومات، واكتشاف الشذوذ، أو تحليل الشيفرة.
• فهم لممارسات MLOps (MLflow، AWS SageMaker، تقديم النموذج، أو المراقبة).