عالم بيانات رئيسي/مهندس ذكاء اصطناعي
نبذة عن الوظيفة
نظرة عامة على الدور باعتبارك عالم بيانات رئيسي/مهندس ذكاء اصطناعي، ستعمل بشكل مستقل على مشاريع بيانات محددة وستكون مسؤولاً عن تنفيذ الحلول التحليلية. ستقوم بتصميم وبناء ونشر ودعم حلول البيانات والذكاء الاصطناعي الشاملة. ستترجم تحديات الأعمال المعقدة إلى تحليلات قابلة للتطوير وجاهزة للإنتاج وأنظمة تعلم آلي، وتتعاون بشكل وثيق مع أصحاب المصلحة في المنتج وهندسة البيانات والهندسة المعمارية لتحقيق تأثير قابل للقياس. حول كونتانجو: تعتبر Contango الشريك الاستراتيجي للنمو التحويلي والنجاح المستدام لمحفظة ADQ. يتفوق فريقنا في تقديم حلول النمو الشاملة التي تجمع بين أفضل الممارسات العالمية وخبرة السوق المحلية. نحن نركز على خلق القيمة على المدى الطويل، وتمكين عملائنا من تحقيق النطاق الكامل لتطلعاتهم. وباعتبارها مستشارًا موثوقًا لشركات محفظة ADQ، تساعد Contango الرؤساء التنفيذيين على قيادة مبادرات النمو الاستراتيجي، والتنقل بين القوى الثورية، وتحقيق أقصى قدر من خلق القيمة على المدى الطويل. المسؤوليات الرئيسية استخدم تأطير الحالة وتصميم الحلول ترجمة مشاكل أعمال العميل إلى بنيات نظام شاملة تجمع بين البيانات وتعلم الآلة ومكونات البرامج. قيادة تصميم حلول الذكاء الاصطناعي المعيارية والقابلة للتطوير وتحديد الخدمات والواجهات وتدفقات البيانات. قم بإجراء مقايضات واضحة بين الأداء والتكلفة وزمن الوصول وقابلية الصيانة. تحديد مقاييس النجاح واتفاقيات مستوى الخدمة والمتطلبات غير الوظيفية (الموثوقية والأمان وقابلية التوسع). هندسة البيانات وأنظمة الميزات تصميم وتنفيذ خطوط بيانات قوية (دُفعة وتدفق) مع ضمانات قوية على الجودة والنسب وإمكانية المراقبة. قم ببناء وإدارة خطوط تدفق الميزات ومخازن الميزات، مما يضمن الاتساق بين التدريب والاستدلال. تعاون مع فرق النظام الأساسي لتحديد نماذج البيانات والمخططات واستراتيجيات التخزين. فرض معايير التحقق من صحة البيانات واختبارها ومراقبتها داخل أنظمة الإنتاج. تطبيق ML وتطوير درجة الإنتاج تطوير حلول تعلم الآلة باستخدام كود جودة الإنتاج (Python/JS)، باتباع أفضل ممارسات هندسة البرمجيات. قم ببناء قواعد التعليمات البرمجية في وحدات قابلة للصيانة والاختبار، مع الفصل الواضح بين الاهتمامات. تنفيذ اختبارات الوحدة والتكامل والاختبارات الشاملة للبيانات ومكونات تعلم الآلة. نماذج الحزم والمنطق في الخدمات القابلة للنشر (واجهات برمجة التطبيقات والخدمات الصغيرة والوظائف المجمعة) باستخدام أطر العمل الحديثة. تحقيق التوازن بين تطور النموذج وأداء النظام وزمن الوصول والقيود التشغيلية. MLOps وDevOps وتكامل النظام الأساسي بناء وصيانة خطوط أنابيب CI/CD لأنظمة تعلم الآلة، بما في ذلك الاختبار الآلي والتحقق من الصحة والنشر. قم بتجميع الخدمات ونشرها باستخدام Docker وKubernetes والأدوات السحابية الأصلية. تنفيذ إصدارات النموذج وتتبع التجربة وإدارة العناصر. تصميم أنظمة المراقبة والملاحظة (السجلات والمقاييس والتنبيهات) لكل من البيانات وأداء النموذج. أتمتة إستراتيجيات إعادة التدريب والتراجع والإصدار لضمان مرونة النظام. موثوقية النظام وقابلية التوسع والأمان تصميم أنظمة للتوفر العالي والتسامح مع الأخطاء وقابلية التوسع الأفقي. تحسين الأداء عبر خطوط أنابيب البيانات وخدمات الاستدلال (زمن الوصول والإنتاجية والتكلفة). تطبيق ممارسات الترميز الآمن وضوابط الوصول ومعايير حماية البيانات. إدارة الديون الفنية وضمان إمكانية صيانة أنظمة الإنتاج على المدى الطويل. التوثيق والمعايير والتميز الهندسي إنتاج الوثائق التي تركز على المطورين (واجهات برمجة التطبيقات، والرسوم البيانية للهندسة المعمارية، وكتب التشغيل). إنشاء وتنفيذ معايير الترميز وعمليات المراجعة وأفضل الممارسات الهندسية. أنشئ مكتبات قابلة لإعادة الاستخدام ومجموعات SDK وأطر عمل داخلية لتسريع عملية التسليم. قيادة التحسين المستمر في النضج الهندسي والأدوات وممارسات التسليم عبر الاستشارات. الخبرة والمؤهلات المطلوبة تعتبر الخبرة السابقة في شركات الاستشارات الإدارية و/أو شركات التكنولوجيا الكبرى ميزة. تعتبر تجربة خدمة العملاء ميزة. أكثر من 8 سنوات من الخبرة في علوم البيانات أو مجال تحليلي ذي صلة. أكثر من 8 سنوات في تقديم تحليلات شاملة وحلول تعلم الآلة بدءًا من تأطير المشكلات وحتى النشر والمراقبة المستمرة في الإنتاج. خبرة في تطبيق منهجيات هندسة البرمجيات وأفضل الممارسات، بما في ذلك معايير الترميز ومراجعات التعليمات البرمجية وعمليات البناء والاختبار والأمان. تعتبر الخبرة السابقة في تطوير حلول الذكاء الاصطناعي على الخدمات السحابية العامة ميزة. درجة البكالوريوس (يفضل الماجستير) في مجال كمي (علوم الكمبيوتر، علوم البيانات، الإحصاء، الرياضيات، الهندسة). الخبرة الفنية: الترميز والاستعلام عن البيانات: Python (pandas/NumPy) وSQL؛ كتابة تعليمات برمجية نظيفة وقابلة للاختبار باستخدام Git. الإحصاء والتجريب: الاحتمالية/الإحصائيات، واختبار الفرضيات، والانحدار، واختبار أ/ب/التصميم التجريبي. نمذجة تعلم الآلة: هندسة الميزات، واختيار النموذج، والتحقق المتبادل، والمقاييس، وضبط المعلمات الفائقة (خاضعة للإشراف/غير خاضعة للإشراف). إعداد البيانات وتحليلها: ETL/EDA، وتنظيف البيانات، والتعامل مع القيم المفقودة/المتطرفة، وبناء روايات ثاقبة باستخدام العناصر المرئية.
