الوصف الوظيفي
Luxury Presence تبني منصة نمو الذكاء الاصطناعي للعقارات. مدعومة من Bessemer Venture Partners ومستثمرين بارزين آخرين، نحن شركة من المرحلة C حققت 100 مليون دولار في الإيرادات السنوية المتكررة. يستخدمنا أكثر من 90,000 متخصص في العقارات، بما في ذلك أكثر من 30% من أفضل 100 وكيل في WSJ في الولايات المتحدة، لإدارة وتنمية أعمالهم.
حول الدور
نبحث عن مهندس برمجيات رئيسي لتعزيز فريق منصة بيانات MLS للعقارات. ستقوم ببناء خطوط بيانات قوية وخدمات خلفية تدعم:
• بيانات MLS والعقارات عالية الجودة عبر أكثر من 400 مصدر
• اكتشاف العقارات والبحث على مواقع الوكلاء
• توصيات قوائم مخصصة وميزات أخرى مدفوعة بالبيانات
• وكلاء الذكاء الاصطناعي المحادثة والتشغيلية التي تبسط سير العمل الداخلي
• البنية التحتية للتقييم والمراقبة التي تحافظ على تحسين هذه الأنظمة بمرور الوقت
يجلس هذا الدور عند تقاطع هندسة الخلفية، بنية البيانات، والمنتجات المدعومة بالذكاء الاصطناعي.
من هم فريق منصة البيانات؟
نتأكد من أن سجلات قوائم MLS النظيفة والموثوقة وبيانات نقرات المستخدم متاحة دائمًا لمنتجاتنا وعملائنا. يمتلك فريقنا الحالي - مزيج من مهندسي البيانات ومهندسي البرمجيات - خط الأنابيب الكامل للقوائم: الإدخال، والتحويل، والتطبيع عبر أكثر من 400 مصدر MLS ومصادر أخرى.
نحن أيضًا نوسع المنصة لالتقاط بيانات نشاط المستخدم للميزات الموجهة للمستخدم مثل توصيات القوائم المخصصة، ونبني وكلاء الذكاء الاصطناعي التي تعمل على أتمتة إدخال البيانات وحل مشكلات القوائم، مما يقلل من الجهد اليدوي للفرق الداخلية والعملاء ويقصّر الطريق من البيانات إلى تأثير الأعمال.
ما ستفعله
القيادة الفنية والهندسة المعمارية
• امتلك الهندسة المعمارية من البداية إلى النهاية لبيانات MLS والعقارات: خطوط البيانات المتدفقة والدفعة، الخدمات الدقيقة، طبقات التخزين، وواجهات برمجة التطبيقات
• صمم وطور تدفقات البيانات المدفوعة بالحدث، المعتمدة على Kafka، التي تدعم إدخال القوائم، والإثراء، والتوصيات، وحالات استخدام الذكاء الاصطناعي
• قم بقيادة مراجعات التصميم الفني، وضع أفضل الممارسات الهندسية، واتخذ قرارات عالية الجودة حول الموثوقية والأداء والتكلفة
هندسة الخلفية والبيانات والمنصة
• صمم، وابنِ، وعمِل خدمات خلفية (بايثون أو جافا) تعرض بيانات القوائم والعقارات والتوصيات عبر واجهات برمجة التطبيقات والخدمات الدقيقة القوية
• نفذ معالجة بيانات قابلة للتوسع باستخدام Spark أو Flink على EMR (أو ما شابه)، منظمة عبر Airflow وتعمل على Kubernetes حيثما كان ذلك ممكنًا
• كن رائدًا في الرؤية (المقاييس، التتبع، التسجيل) والتميز التشغيلي (التنبيه، كتب التشغيل، SLOs، المشاركة في الاتصال) لخدمات البيانات والخلفية
خطوط بيانات متدفقة ودفعة
• ابنِ وصيانة خطوط بيانات متدفقة ودفعة عالية الحجم ومتطورة المخطط التي تستوعب وتطبع بيانات MLS والبيانات من أطراف ثالثة
• تأكد من أن جودة البيانات، والنسب، والحوكمة مدمجة في المنصة من البداية - دعم التحليلات، والذكاء الاصطناعي/التعلم الآلي، والميزات الموجهة للعملاء
• تعاون مع هندسة التحليلات وعلوم البيانات لجعل البيانات قابلة للاكتشاف والاستخدام (مثل، الطبقات الدلالية، الوثائق، أدوات الخدمة الذاتية)
وكلاء الذكاء الاصطناعي ومنتجات البيانات
• تعاون مع مهندسي الذكاء الاصطناعي/التعلم الآلي لتصميم وتوسيع وكلاء الذكاء الاصطناعي الذين يقومون بأتمتة إدخال بيانات MLS، وحل مشكلات القوائم، وغيرها من سير العمل التشغيلية
• اعمل مع أطر مثل PydanticAI، LangChain، أو ما شابه لدمج وكلاء مبنيين على LLM في بنية البيانات والخدمات لدينا
• ساعد في تحديد وتنفيذ التقييم، والتسجيل، وحلقات التغذية الراجعة حتى تتحسن هذه الوكلاء ومنتجات البيانات المدفوعة بالبيانات باستمرار
التأثير عبر الوظائف والإرشاد
• تعاون عن كثب مع المنتج، والهندسة، والعمليات لتشكيل خارطة الطريق لمنصة البيانات لدينا، وقدرات MLS، والتجارب المدعومة بالذكاء الاصطناعي
• ترجم المشاكل التجارية وعملاء غامضة إلى استراتيجيات تقنية واضحة وخطط تسليم مرحلية
• قم بإرشاد وإزالة العقبات أمام المهندسين الآخرين؛ ارفع المستوى العام لاتخاذ القرارات التقنية في الفريق من خلال التعاون، والمراجعات، وإرشادات التصميم
ما ستجلبه
الخبرة والنطاق
• 10+ سنوات من الخبرة المهنية في هندسة البرمجيات، بما في ذلك امتلاك أنظمة الإنتاج من البداية إلى النهاية
• خبرة كبيرة في العمل مع أنظمة كثيفة البيانات أو أنظمة موزعة على نطاق واسع (حجم كبير، توفر عالي)
• خبرة سابقة في دور كبير أو رئيسي/قيادي حيث أثرت على الهندسة المعمارية، والمعايير، والاتجاهات التقنية
المهارات التقنية الأساسية
• مهارات برمجة قوية في بايثون أو جافا، مع خبرة في بناء الخدمات الدقيقة وواجهات برمجة التطبيقات (REST/GraphQL)
خبرة عملية مع Apache Kafka أو منصات الرسائل/الأحداث المماثلة (Kinesis، Pub/Sub، إلخ)
• خبرة عميقة في:
• Spark أو Flink لمعالجة البيانات على نطاق واسع، عبر خطوط البيانات المتدفقة والدفعة (على EMR أو ما شابه من الحوسبة الكبيرة)
• Airflow (أو أدوات تنظيم مكافئة)
• Kubernetes لتشغيل أحمال العمل البيانات/الحوسبة
• مهارات SQL ونمذجة البيانات قوية؛ فهم جيد لـ أنماط ETL/ELT، ومفاهيم تخزين البيانات، وضبط الأداء
• خبرة في البناء على AWS (يفضل) أو مزود سحابي رئيسي آخر، مع فهم جيد للتكاليف، والموثوقية، وتجارة الأمان
خبرة وكيل الذكاء الاصطناعي
• خبرة في بناء أو دمج وكلاء الذكاء الاصطناعي في سير العمل الإنتاجية (مثل، الأدوات الداخلية، أتمتة الدعم، تصنيف العمليات، أو سير العمل البيانات)
• إلمام بالأطر مثل PydanticAI، LangGraph، Claude Code أو ما شابه، وكيف تتفاعل مع الخدمات الخلفية، ومتاجر المتجهات، وواجهات برمجة التطبيقات LLM
• راحة في العمل مع السجلات، والقياسات، ومقاييس التقييم لمراقبة، وتصحيح، وتحسين الأنظمة المدفوعة بالذكاء الاصطناعي بشكل تدريجي
القيادة والتعاون
• قدرة مثبتة على قيادة المبادرات التقنية عبر الفرق، من الفكرة إلى الإنتاج (التوافق، التصميم، التنفيذ، النشر)
• سجل حافل في إرشاد المهندسين الآخرين ورفع مستوى جودة التعليمات البرمجية، والاختبار، والتصميم
• مهارات اتصال قوية؛ قادر على شرح القرارات التقنية المعقدة بوضوح لكل من المهندسين وأصحاب المصلحة غير التقنيين
• عقلية العميل والمنتج: تهتم بكيفية تحسين البيانات والخدمات التي تبنيها تجربة المستخدم النهائي والعميل، وليس فقط الجوانب الداخلية
ما هو جيد أن يكون لديك
• خبرة في أي من:
• Iceberg، Hive، أو تنسيقات الجداول الأخرى/تكنولوجيا بحيرات البيانات
• Snowflake، Athena، Redshift، أو مستودعات البيانات السحابية الأخرى
• dbt أو أطر التحويل المماثلة
• أدوات جودة البيانات/الرؤية (مثل، توقعات عظيمة، مونت كارلو، Datafold)
• قواعد بيانات المتجهات/الاسترجاع (مثل، LanceDB، Pinecone، Elasticsearch/OpenSearch)
• خلفية في العقارات، أو الأسواق، أو مجالات أخرى حيث تكون جودة البيانات وحداثتها مرئية للغاية للعملاء
• خبرة سابقة في بيئة ناشئة أو بيئة نمو عالية حيث قمت ببناء أو تطوير منصة بيانات بشكل كبير
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
