مهندس عمليات التعلم الآلي M / F - CDI - موناكو

الوصف الوظيفي

سيعمل مهندس عمليات التعلم الآلي في المقام الأول كجسر بين فريق البيانات بالمعنى الواسع (مهندس بيانات، عالم بيانات، مهندس ذكاء اصطناعي) وفريق العمليات/فريق التطوير. سيكون الهدف الرئيسي هو تصنيع مشاريع التعلم الآلي، بدءًا من التجريب وحتى نشر الإنتاج، وضمان المتانة وقابلية التوسع والتكرار. هذا الدور التقني موجه بالكامل نحو التسليم / تطوير البرمجيات.

الأنشطة

التصنيع وخطوط الأنابيب (CI/CDD/CT):

• تصميم وتصنيع حالات الاستخدام: هيكلة المشروع تقنياً، وتنفيذ الاختبارات، وما إلى ذلك.
• تصميم وصيانة خطوط أنابيب التكامل المستمر (CI) والنشر المستمر (CD) والتدريب المستمر (CT) لنماذج تعلّم الآلة.
• أتمتة عمليات سير عمل البيانات (تدفق الهواء لخطوط أنابيب البيانات) بالتعاون مع مهندس البيانات.
• ضمان إمكانية تكرار التدريب (إصدار البيانات والرمز والنماذج).

البنية التحتية والنشر:

• وضع حالات الاستخدام والنماذج في حاويات (Docker)، وتنسيق نشرها (Kubernetes).
• تنفيذ استراتيجيات "خدمة النماذج" (واجهة برمجة تطبيقات REST API، و gRPC، ومعالجة الدفعات).

المراقبة والصيانة:

• تنفيذ أدوات المراقبة لتتبع صحة النماذج في الإنتاج.
• الكشف عن انجراف البيانات وانحراف النماذج والتحذير منها.
• إدارة دورة الحياة الكاملة للنماذج (إعادة التدريب، إيقاف التشغيل).

إتاحة النتائج:

• القدرة على تطوير واجهات لإتاحة النتائج وتحقيق الاستفادة القصوى منها.

المؤهلات المطلوبة

خمس سنوات على الأقل من التعليم العالي في مجالات الحوسبة أو البيانات أو نظم المعلومات أو هندسة البرمجيات.

مدة الخبرة المطلوبة

سنتين على الأقل في هندسة البيانات أو هندسة التعلم الآلي أو هندسة الذكاء الاصطناعي أو علوم البيانات.

• إتقان اللغة الفرنسية (قراءة وكتابة ومحادثة);
• إظهار الصرامة العلمية والاستقلالية والفضول التكنولوجي وحس الابتكار القوي;
• مهارات قوية في النمذجة وتحليل البيانات: الأساليب الإحصائية، والتعلم الآلي الخاضع للإشراف وغير الخاضع للإشراف، والسلاسل الزمنية، وتقييم النماذج وقابليتها للتفسير، والنمذجة البارامترية والمحاكاة;
• إتقان لغة Python ومكتباتها الرئيسية: numpy، وpandas، وscikit-learn، وPyTorch، وTensorFlow، وxgboost، وLightgbm، وstatsmodels;
• الاستفادة الفعّالة من البيئات التعاونية وأدوات الإصدار: GitLab، GitHub، VSCode، Jupyter، اختبارات الوحدة;
• استخدام أدوات التصنيع والمعالجة الموزعة: Spark، وPySpark، وPySpark، وPolars، وDBT، وKafka، وTrino، والاستعلام عن قواعد البيانات (SQL، و ;
• تطبيق ممارسات MLOps: تصميم خطوط الأنابيب، والأتمتة، و CI/CD، ونشر النماذج والمراقبة (Airflow، و MLflow، و FastAPI، و Docker، و Kubernetes)
• تصميم التصورات ذات الصلة والتحليلات الاستكشافية باستخدام matplotlib أو seaborn أو plotly أو Tableau;
• أدوات عمليات التعلم الآلي لمراقبة النماذج (مثل MLFlow و giskard وغيرها).

• الموثوقية والصرامة الضروريان للحفاظ على أسطول خطوط الأنابيب الحساسة.
• سلوك استباقي، قادر على توقع المخاطر واحتياجات الأداء.
• روح الفريق
• الاستقلالية والمبادرة، مع القدرة على إطلاق الإنذارات المناسبة.
• التواصل الواضح، بما في ذلك بشأن المسائل التقنية المعقدة
• موقف موجه نحو الحلول، مع الالتزام بالتحسين المستمر.

• العمل عن بُعد يومين في الأسبوع
• توفير جهاز كمبيوتر محمول وحقيبة كمبيوتر محمول وقاعدة توصيل محمولة وسماعات رأس

نحن ملتزمون بالتنوع والمساواة بين الجنسين وتوظيف العمال ذوي الاحتياجات الخاصة.

المواطنون الأوروبيون أو حاملو تصاريح الإقامة الصادرة عن محافظة الألب-ماريتيم (06) هم فقط المؤهلون للعمل في الإمارة.