مهندس بيانات أول - وحدة أنظمة التوصية

المسؤوليات

• تصميم وتدريب ونشر نماذج التوصية/التخصيص التي تستفيد من التعلم العميق، ونماذج التسلسل (Transformers, GRU)، وأشجار التعزيز (XGBoost, LightGBM).
• تطوير ترتيب متعدد الأهداف يدمج المشاركة، والتحويل، وقيمة التاجر في ترتيب واحد (نموذج القيمة)، باستخدام التعلم متعدد المهام حيث تساعد التمثيلات المشتركة.
• بناء أنظمة استرجاع وترتيب مرحلتين قابلة للتطوير - استرجاع ANN (FAISS, ScaNN) على تمثيلات المستخدم/المنتج/الحدث التي تغذي نماذج التعلم لترتيب (أهداف pointwise, pairwise, and listwise).
• التعاون مع البنية التحتية لتحويل خطوط الإنتاج الحقيقية (ClickHouse, Kafka, Spark).
• تحديد انطباعات الخدمة وتسجيل الميزات في وقت الخدمة لإزالة التحيز بين التدريب والخدمة وإنتاج بيانات تدريب غير متحيزة.
• تصميم وتشغيل تجارب عبر الإنترنت مع مقاييس حماية صارمة؛ تصحيح التحيز في الموضع والعرض في البيانات المسجلة؛ تطبيق التقييم العكسي/التقييم غير السياقي ونمذجة الارتفاع لإسناد الارتفاع بدقة.
• دمج مخرجات النماذج مع واجهات برمجة التطبيقات للمنصة من أجل التخصيص الديناميكي في البحث، وموجات الصفحة الرئيسية، وصفحات المتجر.
• تحديد أفضل الممارسات للتقييم غير الرسمي (MAP@K, NDCG) ومقاييس التجارب عبر الإنترنت (CTR, CVR, GMV uplift).
• التعاون مع تحليل المنتجات والبيانات لتجديد إثراء الإشارات واستراتيجيات البداية الباردة.
• إرشاد مهندسي البيانات المبتدئين وتحديد أفضل الممارسات.

المتطلبات

• درجة البكالوريوس أو الماجستير في علوم الكمبيوتر، أو التعلم الآلي، أو مجال تقني ذي صلة.
• 4+ سنوات من الخبرة العملية في التعلم الآلي، بما في ذلك 2+ سنة في تصميم أو نشر أنظمة توصية على نطاق واسع.
• سجل حافل: بنى أو حافظ على أنظمة تخدم 1 مليون+ مستخدم أو توليد 100 مليون+ تنبؤات مخصصة يوميًا.
• خبرة عميقة في تعلم التمثيل، والتمثيلات، وآليات الانتباه، والتعلم متعدد المهام.
• نجاح ملموس في دمج أنظمة الترتيب متعددة المراحل عبر واجهات التجارة الإلكترونية (البحث، والموجات، وصفحات تفاصيل المنتج) مع ارتفاع عبر الإنترنت قابل للقياس (CVR, GMV).
• إتقان أنظمة البيانات على نطاق واسع: Kafka, Spark, ClickHouse, BigQuery, أو ما يعادلها.
• إتقان صارم للتجارب: مقاييس الحماية، وتصحيح التحيز في الموضع، والتقييم غير السياقي/العكسي، ومراقبة النموذج.
• مهارات في تصحيح الأخطاء، والتحسين، وتحويل خطوط إنتاج التعلم الآلي في بيئات السحابة أو الحاويات.

المهارات المطلوبة