عالم بيانات | خدمات الشركات | مجموعة التكنولوجيا والمنصات الرقمية

نظرة عامة على الدور:

• تتمحور وظيفة عالم البيانات في مجموعة الفطيم حول تصميم وبناء وإنتاج حلول التحليلات المتقدمة المدعومة بالذكاء الاصطناعي. الهدف من الدور هو تعزيز الرؤى والتوصيات واتخاذ القرارات عبر المنصات المؤسسية. يتم قياس النجاح من خلال القدرة على تطوير نماذج تعلم الآلة والذكاء الاصطناعي القابلة للتوسع والموثوقية التي تلبي معايير الحوكمة والأمان والامتثال المؤسسي. سيتعاون الشخص المعني مع فرق متعددة التخصصات لتقديم رؤى مؤثرة قائمة على البيانات.

ما ستقوم به:

تحليلات متقدمة وعلوم البيانات

• ترجمة مشاكل الأعمال إلى حلول علم البيانات والإحصاء وتعلم الآلة التي تحقق نتائج قابلة للقياس عبر حالات الاستخدام المؤسسية.
• إجراء استكشاف البيانات، وهندسة الميزات، وتطوير النماذج، والتقييم على مجموعات بيانات كبيرة الحجم منظمة وشبه منظمة.
• بناء ونشر نماذج تنبؤية وتوجيهية ووصفية، مع ضمان القابلية للتفسير والموثوقية والتوافق مع الأهداف التجارية.
• التعاون بشكل وثيق مع فرق الأعمال والمنتجات والتحليلات للتحقق من الافتراضات، وتحديد مقاييس النجاح، وتقديم رؤى قابلة للتنفيذ.

تطبيق الذكاء الاصطناعي وتقنيات LLM

• تطبيق تقنيات الذكاء الاصطناعي لتعزيز سير عمل علوم البيانات، بما في ذلك توليد الرؤى المستندة إلى LLM، والتلخيص، والتصنيف، ودعم اتخاذ القرار.
• تصميم وتنفيذ حلول استرجاع معززة بالتوليد (RAG) لتأصيل مخرجات LLM في البيانات المؤسسية والنتائج التحليلية.
• التعاون في تطبيقات تحليلية مدعومة بالذكاء الاصطناعي مع التركيز على الدقة والملاءمة وقابلية التفسير.
• تقييم ومقارنة مخرجات الذكاء الاصطناعي باستخدام مقاييس كمية ونوعية، مع ضمان التوافق مع المعايير التجارية والتحليلية.

إنتاجية المؤسسة وMLOps/LLMOps

• إنتاج نماذج علوم البيانات والذكاء الاصطناعي باستخدام ممارسات MLOps/LLMOps على مستوى المؤسسة، بما في ذلك النسخ، والنشر، والمراقبة، واستراتيجيات إعادة التدريب.
• بناء خطوط تحليلية قابلة للتوسع وآمنة وموثوقة بالتعاون مع فرق هندسة البيانات والسحابة.
• مراقبة أداء النماذج، وانجراف البيانات، وجودة مخرجات الذكاء الاصطناعي، ودفع التحسينات المستمرة بناءً على الاستخدام الواقعي.
• ضمان أن الحلول تلبي متطلبات المؤسسة من حيث الحوكمة والأمان والامتثال والذكاء الاصطناعي المسؤول.

قياس الأداء والتحسين المستمر

• تحديد وتتبع مقاييس أداء النماذج والذكاء الاصطناعي (الدقة، الاستقرار، التحيز، الكمون، تأثير الأعمال).
• إجراء تجارب وإطلاقات محكومة لتحسين النماذج، ومحفزات الذكاء الاصطناعي، واستراتيجيات الاسترجاع.
• تحسين الحلول باستمرار من خلال حلقات التغذية الراجعة، والتجريب، واحتياجات الأعمال المتطورة.