عالم بيانات أول / موظف - أنظمة التوصيات / التخصيص

المسؤوليات تصميم وتدريب ونشر نماذج التوصيات/التخصيص باستخدام التعلم العميق، نماذج التسلسل (Transformers، GRU)، والأشجار المعززة (XGBoost، LightGBM).
تطوير أساليب التعلم المتعدد المهام التي تعزز التفاعل، التحويل، ونتائج التجار في الوقت نفسه.
بناء أنظمة استرجاع وترتيب قابلة للتوسع باستخدام بحث ANN (FAISS، ScaNN) وتضمينات المتجهات المدربة على بيانات المستخدمين، المنتجات، والأحداث.
التعاون مع البنية التحتية لتطبيق خطوط أنابيب الميزات في الوقت الحقيقي (ClickHouse، Kafka، Spark).
إجراء اختبارات A/B وتفسير النتائج باستخدام الاستدلال السببي ونمذجة الزيادة لتحقيق تأثير تجاري قابل للقياس.
دمج مخرجات النماذج مع واجهات برمجة التطبيقات للمنصة للتخصيص الديناميكي في البحث، خلايا الصفحة الرئيسية، وصفحات المتاجر.
تحديد أفضل الممارسات للتقييم غير المتصل (MAP@K، NDCG) وقياسات التجارب عبر الإنترنت (CTR، CVR، زيادة GMV).
الشراكة مع تحليلات المنتجات وعلوم البيانات لتكرار استراتيجيات تعزيز الإشارة وبدء التشغيل البارد.
توجيه علماء البيانات المبتدئين وتحديد أفضل الممارسات درجة البكالوريوس أو الماجستير في علوم الكمبيوتر، التعلم الآلي، أو مجال تقني ذي صلة.
4+ سنوات من الخبرة العملية في التعلم الآلي، بما في ذلك 2+ سنوات في تصميم أو نشر أنظمة توصية كبيرة النطاق.
سجل حافل: بناء أو صيانة أنظمة تخدم أكثر من 1 مليون مستخدم أو توليد أكثر من 100 مليون توقعات مخصصة يوميًا.
خبرة عميقة في تعلم التمثيل، التضمينات، آليات الانتباه، والتعلم المتعدد المهام.
نجاح مثبت في دمج أنظمة الترتيب متعددة المراحل عبر أسطح التجارة الإلكترونية (البحث، الخلاصات، صفحات تفاصيل المنتجات) مع زيادة قابلة للقياس عبر الإنترنت (CVR، GMV).
إتقان أنظمة البيانات الكبيرة: Kafka، Spark، ClickHouse، BigQuery، أو ما يعادلها.
فهم قوي لمقاييس التقييم غير المتصل/المتصل، تجارب A/B، وأطر مراقبة النماذج.
مهارة في تصحيح الأخطاء، التحسين، وإنتاج خطوط أنابيب التعلم الآلي في البيئات السحابية أو الحاويات.