talabat توظّف عالم بيانات أول للذكاء الاصطناعي في دبي
جهة العمل: talabat — ضمن شبكة Delivery Hero
المجال: علوم البيانات وتعلم الآلة — منصات التوصيل
الموقع: دبي، الإمارات العربية المتحدة
عدد الوظائف: وظيفة واحدة
نوع العقد: دوام كامل (Full-time)
تقدم talabat، ضمن شبكة Delivery Hero، وظيفة عالم بيانات أول للذكاء الاصطناعي وتعلم الآلة (Sr. Data Scientist (AI & ML)) في دبي، الإمارات العربية المتحدة. يندرج الدور ضمن علوم البيانات وتعلم الآلة لمنصات التوصيل، ويركز على بناء أنظمة تعلم آلي وذكاء اصطناعي توليدي تدعم القرارات في المنتج والأعمال.
هذه وظيفة واحدة بدوام كامل داخل مركز الذكاء الاصطناعي العالمي لدى talabat. يتولى شاغلها مجالًا محددًا من أوله إلى آخره، ويتعاون مع مديري المنتج والأعمال ومع علماء بيانات ومهندسي تعلم آلة، ابتداءً من صياغة المشكلة ونمذجة البيانات وهندسة السمات، وصولًا إلى تدريب النماذج ونشرها وتشغيلها ومراقبتها في بيئة الإنتاج.
تفاصيل فرصة التوظيف
نظرة عامة على الفرصة
نظرة عامة على دور عالم البيانات الأول
يستهدف الدور تحويل المسائل التجارية غير الواضحة إلى مسائل محددة في تعلم الآلة وعلوم البيانات ذات معايير نجاح موضوعية. كما يشمل تقديم رؤى مؤثرة وتوصيات قائمة على البيانات من خلال التحليل المنهجي وإعداد التقارير المؤتمتة، بما يساعد على اتخاذ قرارات تنظيمية مدروسة.
يمتد العمل عبر دورة التعلم الآلي كاملة: بناء خطوط البيانات والسمات، تدريب النماذج وتقييمها، تقديمها في الإنتاج، ثم قياس أدائها والعوامل المؤثرة فيها. ويتضمن ذلك تصميم أنظمة تعلم آلي وذكاء اصطناعي توليدي قابلة للشحن إلى الإنتاج، مع أعمال هندسية كثيفة وكود إنتاجي نظيف وقابل للتوسع.
تبحث talabat عن مستوى أولي متقدم يمتلك خبرة لا تقل عن خمس سنوات عبر علوم البيانات وهندسة تعلم الآلة والذكاء الاصطناعي التوليدي، بما في ذلك إيصال نماذج تعلم الآلة إلى الإنتاج. وتُعد الخبرة في أنظمة تعلم الآلة لمنتج استهلاكي عبر الإنترنت ميزة إضافية، وكذلك الخبرة في حلول LLM وNLP للإثراء الذكي للبيانات والأتمتة.
تتطلب طبيعة المهمة فهمًا متينًا للبيانات التي تنتجها الأنظمة المصدرية، لذلك يتضمن الدور التوثيق والتنميط المنهجي والتعاون مع فرق الهندسة. كما يستلزم ربط المقاييس التقنية بمقاييس صحة المنتج، مثل التحويل والتفاعل والاحتفاظ، حتى تكون التوصيات قابلة للفهم ومرتبطة بالأثر العملي.
عن جهة العمل: talabat
الخلفية والنشاط
نبذة موثقة عن الجهة
تصف talabat نفسها بأنها منصة التوصيل الرائدة عند الطلب في منطقة الشرق الأوسط وشمال أفريقيا. ووفق الوصف الرسمي للوظيفة، بدأت الشركة في الكويت عام 2004، وتقدم تطبيقًا للتوصيل عند الطلب للطعام والتجارة السريعة للاحتياجات اليومية، مع فهم محلي لاحتياجات المجتمعات التي تخدمها في ثماني دول بالمنطقة.
يتيح سوق talabat الإلكتروني للعملاء طلب الطعام والبقالة وغيرها من منتجات الراحة من مجموعة واسعة من المطاعم وتجار التجزئة. وتشمل قائمة الخدمات الرسمية الوجبات والبقالة والهدايا والاحتياجات الصحية، بينما تستثمر الشركة في التقنية والبيانات لتبسيط الحياة اليومية للعملاء، وتحسين عمليات المطاعم والمتاجر المحلية، وتوفير فرص كسب موثوقة للسائقين يوميًا.
البيئة المهنية والحضور المؤسسي
النشاط التقني وبيئة العمل في talabat
تذكر talabat أن تركيزها يشمل المنصات المحمولة والتحسين المستمر لتقنيتها عبر الرؤى المستندة إلى البيانات. وهذا يضع دور عالم البيانات الأول في صلة مباشرة بالمنتج والعمليات: فالمطلوب ليس تدريب نماذج منعزلة، بل تصميم حلول تعلم آلي وذكاء اصطناعي توليدي تخدم قرارات المنتج والأعمال على نطاق واسع.
لدى talabat حضور في الإمارات، وقد سجل خطها الزمني التوسع إلى الإمارات عام 2012، ثم إطلاق مقر مركز تقني في دبي عام 2023. كما تذكر صفحة الوظيفة ثقافة أداء مرتفع وقوة عاملة تتجاوز 6,000 من أعضاء talabat، فيما تصف صفحة المسارات المهنية ثقافة مدفوعة بالشغف والهدف والالتزام بالابتكار والشمولية.
الوظائف المتاحة
1. Sr. Data Scientist (AI & ML)
الموقع: دبي، الإمارات العربية المتحدة نوع العقد: دوام كامل (Full-time)
في هذا الدور، ستجمع بين التفكير التحليلي والهندسة العملية لتطوير حلول تعلم آلي قابلة للاستخدام. المطلوب هو اختيار الخوارزميات والبنى الأنسب والأبسط لتحقيق قيمة تجارية قابلة للقياس، مع الحفاظ على وضوح البيانات وقابلية النماذج للمراقبة والتطوير داخل الإنتاج.
مسؤوليات عالم البيانات الأول للذكاء الاصطناعي وتعلم الآلة
- تحويل المسائل التجارية الغامضة إلى مسائل محددة في تعلم الآلة وعلوم البيانات، مع وضع معايير نجاح واضحة وموضوعية.
- تقديم رؤى عالية الجودة وتوصيات مؤثرة قائمة على البيانات من خلال تحليل صارم وتقارير مؤتمتة لدعم القرارات التنظيمية الاستراتيجية.
- تصميم وبناء وإيصال أنظمة تعلم آلي وذكاء اصطناعي توليدي متكاملة إلى الإنتاج، بما يشمل خطوط البيانات وهندسة السمات وتدريب النماذج وتقديمها ومراقبتها.
- إنجاز الأعمال الهندسية المكثفة من البداية إلى النهاية، مثل هندسة أنظمة متينة قائمة على تعلم الآلة وكتابة كود إنتاجي نظيف وقابل للتوسع.
- تدريب النماذج وتقييمها وتكرار تحسينها، مع اختيار الخوارزميات والبنى الأبسط والأكثر ملاءمة لتحقيق قيمة تجارية قابلة للقياس.
- الاستفادة من LLMs والذكاء الاصطناعي التوليدي في إثراء البيانات وفهم المحتوى الذكي واتخاذ القرارات المؤتمتة داخل أنظمة الإنتاج.
- بناء نماذج البيانات والسمات وخطوط البيانات التي تدعم تدريب النماذج وقياس الأداء ومحركاته في مجال التركيز.
- تصميم التجارب واختبارات A/B والاختبارات متعددة المتغيرات والتخطيط لها وتحليلها لقياس أثر النموذج والمنتج بدقة.
- تكوين معرفة عميقة بالبيانات المصدر والأنظمة التي تولدها عبر التوثيق والتعاون مع فرق الهندسة والتنميط المنهجي للبيانات.
- الشراكة مع فرق المنتج والأعمال لاكتشاف الفرص عالية الأثر وتحويلها إلى حلول تعلم آلة وتوصيات عملية قائمة على البيانات.
- إرشاد علماء البيانات الآخرين في مسارات نموهم المهني.
- رفع مستوى ممارسات الهندسة وتعلم الآلة من خلال تحسين أساليب العمل والأدوات وعمليات MLOps وبرامج التدريب الداخلية.
المؤهلات والخبرة المطلوبة لوظيفة عالم البيانات الأول
- درجة بكالوريوس في الهندسة أو علوم الحاسوب أو التقنية أو مجال مشابه.
- خبرة لا تقل عن 5 سنوات في علوم البيانات وهندسة تعلم الآلة والذكاء الاصطناعي التوليدي، وتشمل إيصال نماذج تعلم الآلة إلى الإنتاج.
- الخبرة في بناء أنظمة تعلم آلي ضمن منتج استهلاكي عبر الإنترنت ميزة إضافية.
- الدرجة العليا ميزة إضافية لكنها ليست شرطًا مطلوبًا.
- حل المشكلات بعقلية نمو عملية تركز على اكتشاف الطريقة المناسبة لإنجاز المهمة.
- التعاون الممتاز مع الآخرين والقدرة على العمل مع فرق المنتج والأعمال والهندسة.
- التواصل الممتاز، مع القدرة على عرض التحليلات والتوصيات والنتائج بوضوح.
- إحساس قوي بالملكية والمساءلة، مع تبني نهج يبقي الحل بسيطًا عند إنجاز العمل.
المهارات التقنية المطلوبة لوظيفة عالم البيانات الأول
- خبرة عميقة في تعلم الآلة والذكاء الاصطناعي التوليدي والتعلم العميق وأنظمة التوصية ومعالجة اللغة الطبيعية والتعرف على الأنماط وتنقيب البيانات.
- معرفة عملية عميقة بأطر ML وGenAI، ومنها Scikit-learn وXGBoost وLightGBM وCatBoost وSVMs وKeras وTensorFlow وPyTorch وTransformers وضبط LLMs.
- أساس قوي في هندسة البرمجيات، مع مهارات برمجة ممتازة وفهم متين لهياكل البيانات والخوارزميات وتصميم الأنظمة وتصميم أنظمة تعلم الآلة.
- خبرة مثبتة في بناء نماذج تعلم الآلة ونشرها وتقديمها ومراقبتها في الإنتاج، مع فهم قوي لممارسات MLOps.
- مهارات قوية في هندسة البيانات وتعلم الآلة، تشمل بناء خطوط البيانات والتدريب وتنسيقها، مثل استخدام Airflow، وهندسة السمات المتينة.
- إتقان SQL وكفاءة في التحليل والنمذجة القابلين لإعادة الإنتاج باستخدام Python.
- أسس إحصائية متينة تشمل تصميم وتحليل تجارب A/B ومتعددة المتغيرات، والأساليب الاستدلالية والسببية والتنبؤية.
- الإلمام بنمذجة البيانات والتصميم البُعدي، وبالبيانات المنتجية مثل مرات الظهور والأحداث ومقاييس صحة المنتج مثل التحويل والتفاعل والاحتفاظ.
- إحكام دورة تعلم الآلة كاملة، من صياغة المشكلة وتدقيق البيانات إلى النمذجة والنشر والتفسير والعرض.
- الإلمام بـ BigQuery وGoogle Cloud Platform ميزة إضافية، كما أن الخبرة في حلول LLM وNLP لإثراء البيانات والأتمتة الذكية ميزة إضافية.
المزايا أو معلومات العقد المعلنة
- توضح الصفحة أن الوظيفة بدوام كامل في دبي، لكنها لا تذكر راتبًا أو مزايا وظيفية محددة ضمن المعلومات المنشورة.
- يتيح الدور العمل على أنظمة تعلم آلي وذكاء اصطناعي توليدي تؤثر في المنتج والأعمال، مع امتلاك مجال محدد من دورة الحل كاملة.
- يشمل نطاق العمل التعاون مع علماء بيانات ومهندسي تعلم آلة ومديري المنتج والأعمال، إلى جانب إرشاد علماء بيانات آخرين وتحسين ممارسات MLOps والتدريب الداخلي.
إرشادات مهنية للتقديم
تجهيز ملف الترشيح
إرشادات مهنية للتقدم إلى دور علوم البيانات
اجعل سيرتك الذاتية تشرح أثر مشاريع تعلم الآلة، لا أسماء الأدوات فقط. اذكر المشكلة التي عالجتها، وطريقة إعداد البيانات والسمات، وكيف قست جودة النموذج أو أثره بعد النشر، مع تجنب كشف بيانات سرية.
لأن الدور يجمع بين علوم البيانات وهندسة الإنتاج، جهز أمثلة تظهر قدرتك على الانتقال من صياغة المسألة إلى التدريب والتقديم والمراقبة. وضح قراراتك في اختيار النموذج، ومفاضلتك بين البساطة والأداء، وكيف تعاملت مع قابلية إعادة الإنتاج والاعتمادية.
راجع الإحصاء وتصميم التجارب وتصميم أنظمة تعلم الآلة قبل التقديم. ومن المفيد أن تكون قادرًا على شرح اختبارات A/B والاختبارات متعددة المتغيرات، ومقاييس المنتج، واستخدام LLMs أو NLP عندما تكون مرتبطة بإثراء البيانات أو الفهم الآلي للمحتوى.
نظّم ملفك حول دورة العمل التي يصفها الإعلان: تدقيق البيانات، صياغة المسألة، بناء السمات، اختيار الخوارزمية، تقييم النتائج، ثم النشر والمراقبة. هذا الترتيب يساعد القارئ على رؤية الصلة بين خبرتك التحليلية وقدرتك على بناء أنظمة موثوقة تخدم قرارات المنتج والأعمال.
- رتب خبراتك بحيث تظهر أولًا نماذج تعلم آلي وصلت فعلًا إلى الإنتاج، مع توضيح دورك في النشر والتقديم والمراقبة.
- أبرز مشاريع Python وSQL وخطوط البيانات وهندسة السمات، واربط كل مهارة بنتيجة قابلة للشرح.
- أضف أمثلة عملية على استخدام أطر مثل PyTorch أو TensorFlow أو Scikit-learn، ولا تدرج إطارًا لم تستخدمه فعليًا.
- حضّر شرحًا موجزًا لتصميم تجربة A/B وتحليلها، بما في ذلك معيار النجاح ومصادر التحيز المحتملة.
- راجع هياكل البيانات والخوارزميات وتصميم الأنظمة وتصميم أنظمة تعلم الآلة استعدادًا للنقاش التقني.
- بيّن تعاونك مع فرق المنتج والأعمال والهندسة، وكيف ترجمت نتائج التحليل إلى توصية قابلة للتنفيذ.
- استخدم لغة واضحة عند عرض مشروعك، وأظهر الملكية والمساءلة والقدرة على تبسيط الحل دون التضحية بموثوقيته.
كيفية التقديم
خطوات إرسال الطلب
التقديم عبر بوابة talabat الرسمية
للتقدم إلى وظيفة عالم البيانات الأول للذكاء الاصطناعي وتعلم الآلة، استخدم زر التقديم الموجود في نهاية هذا الإعلان لفتح صفحة الوظيفة الرسمية لدى talabat. راجع بياناتك المهنية ومؤهلاتك التقنية قبل إرسال الطلب، وقدم أمثلة دقيقة على خبرتك في بناء نماذج تعلم الآلة وإيصالها إلى الإنتاج.
التعليقات 0
لا توجد تعليقات بعد. يمكنك كتابة سؤالك عن هذا المنشور.
أضف تعليقًا
لا تكتب رقم جوازك أو حسابك البنكي أو هاتفك في تعليق عام.