مهندس تعلم آلي - أنظمة التوصية

المسمى الوظيفي: مهندس تعلم آلي - أنظمة التوصية
الموقع: بنغالور
الخبرة: 3-8 سنوات (مرنة بناءً على العمق في أنظمة التعلم الآلي)
وصف الوظيفة: نحن نبحث عن مهندس تعلم آلي (التوصيات) لتصميم وبناء وتوسيع أنظمة التوصية الشخصية التي تعزز الاكتشاف والترتيب وتفاعل المستخدم عبر منتجاتنا.
ستعمل في تقاطع التعلم الآلي وهندسة البيانات والأنظمة الخلفية، مع أخذ النماذج من البحث إلى الإنتاج.
المسؤوليات الرئيسية: تصميم وتطوير أنظمة التوصية بما في ذلك: التصفية التعاونية (مستخدم-عنصر، عنصر-عنصر) والمستندة إلى المحتوى والمختلطة، نماذج الترتيب وإعادة الترتيب، الاسترجاع القائم على التضمين (ANN، بحث المتجهات). تدريب وتقييم وتكرار النماذج باستخدام مقاييس غير متصلة (NDCG، MAP، Recall@K) وتجارب A/B عبر الإنترنت. بناء خطوط أنابيب لهندسة الميزات، تدريب النماذج، الاستدلال، وإعادة التدريب. نشر نماذج التعلم الآلي في بيئات الإنتاج مع قيود زمن الانتظار المنخفض. تحسين الاستدلال للتوسع (التخزين المؤقت، التجميع، الجيران الأقرب التقريبية). بناء خطوط أنابيب للتوصيات في الوقت الحقيقي والدفعات. مراقبة أداء النموذج، انحراف البيانات، وصحة النظام. العمل مع مجموعات بيانات كبيرة (النقرات، الانطباعات، المعاملات). تحديد مقاييس النجاح للتوصيات (CTR، CVR، الاحتفاظ). تشغيل وتحليل اختبارات A/B والتكرار بناءً على النتائج.
التعاون: العمل عن كثب مع فرق المنتجات والبيانات والأنظمة الخلفية لترجمة المشكلات التجارية إلى حلول تعلم آلي. المساهمة في أفضل الممارسات في التعلم الآلي، الوثائق، وتصميم النظام. المهارات المطلوبة: فهم قوي للتعلم الآلي: خوارزميات التوصية، الترتيب والتعلم للترتيب، التضمينات والبحث عن التشابه. خبرة في بايثون ومكتبات التعلم الآلي (بايتورتش / تينسورفلو / سكيكت-ليرن). مهارات SQL قوية؛ خبرة مع مجموعات البيانات الكبيرة. خبرة مع متاجر الميزات، خطوط أنابيب البيانات، ومعالجة الدفعات/التدفق. معرفة بقواعد بيانات المتجهات / مكتبات ANN (FAISS، ScaNN، Elasticsearch/OpenSearch KNN، Milvus). خبرة في نشر النماذج باستخدام خدمات REST/gRPC. معرفة بـ Docker، Kubernetes، أو المنصات السحابية (AWS/GCP/Azure). فهم لمقايضات زمن الانتظار، الإنتاجية، وقابلية التوسع. من الجيد أن يكون لديك خبرة في: أنظمة تصنيف البحث أو التغذية، الاسترجاع المختلط (BM25 + التضمينات)، التوصيات في الوقت الحقيقي. معرفة بـ: Kafka / أنظمة البث، أدوات MLOps (MLflow، Airflow). خبرة في التجارة الإلكترونية، الإعلانات، منصات المحتوى أو الأسواق. ما ستعمل عليه: تغذية الصفحة الرئيسية الشخصية وترتيب البحث، توصيات "الأشخاص الذين شاهدوا أيضًا"، مشاكل البداية الباردة والطويلة، التجارب على نطاق واسع وتحسين النموذج. السمات السلوكية الجيدة: عقلية قوية في حل المشكلات والتفكير النظامي، القدرة على موازنة جودة النموذج مقابل قيود الإنتاج، والراحة في امتلاك النماذج من البداية إلى النهاية.