عالم بيانات مشارك - برنامج بناة (مواطن إماراتي)

الوصف

لماذا تمارا؟ نحن فخورون بأن نكون أول شركة يونيكورن في مجال التكنولوجيا المالية في السعودية. مهمتنا هي مساعدة الناس على تحقيق أحلامهم من خلال بناء التطبيق المالي الفائق الأكثر تركيزًا على العملاء في العالم. ولا يوجد دليل إرشادي لذلك؛ ففريقنا في تمارا هو من يكتبه. تتكون فرقنا من المبتكرين وحلالي المشكلات والمتعلمين، ونحن نزدهر بالفضول والتعاون. إذا كان هذا يصفك: فضولي، مدفوع، ومستعد للبناء، فنحن نود مقابلتك. تقدم الآن وانضم إلى الجيل القادم من البناة! عن برنامج بناة تمارا في تمارا، نؤمن بأن المواهب الاستثنائية تستحق منصة إطلاق استثنائية. تم تصميم برنامج البناة الرائد لدينا للخريجين الطموحين المستعدين لتحمل مسؤولية حقيقية من اليوم الأول. هذا ليس برنامجًا دوريًا "للمراقبين"، بل هو مسرّع وظيفي مصمم لأولئك الذين يرغبون في البناء والتملك ورفع المستوى مبكرًا. مصمم للخريجين الجدد والمواهب في بداية مسيرتهم المهنية الذين لديهم خبرة تصل إلى عامين، يضعك البرنامج مباشرة في أدوار عالية التأثير عبر المنتجات والهندسة والتصميم وما بعدها. ستساهم فورًا وتنمو بوتيرة متسارعة. من المنتجات إلى الهندسة، ومن التصميم إلى التجارة، ستواجه تحديات ذات مغزى تشكل كيفية تجربة الملايين للتكنولوجيا المالية في جميع أنحاء المنطقة. ستُمنح الثقة في الملكية، وستكون محاطًا بأقران ذوي كفاءة عالية، وستتلقى التوجيه من قادة يتوقعون التميز. فوجا يناير ويونيو هما فرصتك للتحرك بسرعة، والتفكير بشكل كبير، والبدء في بناء ما هو قادم - ليس في يوم من الأيام، بل الآن. عن الدور نحن نبحث عن خريج جديد أو عالم بيانات مشارك في بداية مسيرته المهنية في مسار البناة. يجمع هذا الدور بين التفكير في المنتج والإحصاءات التطبيقية والتحليلات الموجهة للإنتاج. ستقوم بما يلي: - تحويل المشكلات الغامضة إلى أسئلة قابلة للقياس - بناء قياس موثوق (المقاييس والتجريب) - إنشاء نماذج خفيفة الوزن وأدوات اتخاذ القرار التي يمكن للفرق استخدامها في سير العمل الحقيقي - الشراكة الوثيقة مع فرق الهندسة والمنتجات والمخاطر لتحسين نتائج العملاء وأداء الأعمال - بناء سير عمل اتخاذ القرار بمساعدة الذكاء الاصطناعي (على سبيل المثال، مساعدي التحليل المدعومين بالنماذج اللغوية الكبيرة (LLM) المدعومين بطبقة مقاييس منسقة، مع ضوابط وتحقق واضحة) مع تقدم الذكاء الاصطناعي، نحن نقدر الأشخاص الذين لديهم أساسيات قوية وتفكير واضح. فهم توليد البيانات والقياس والمقايضات وكيفية التحقق من النتائج أهم من حفظ الأدوات. ستتعلم كيفية استخدام الذكاء الاصطناعي بمسؤولية للتحرك بشكل أسرع، مع الاستمرار في امتلاك الدقة والمتانة والتفسير. مسؤولياتك تحديد المشكلات والقياس - ترجمة أسئلة المنتج أو العمل إلى فرضيات قابلة للاختبار ومقاييس نجاح واضحة. - بناء وصيانة تعريفات المقاييس وقوالب التحليل بحيث تكون القرارات متسقة وقابلة للتكرار. التجريب والتفكير السببي - تصميم وتحليل وتفسير اختبارات A/B (والتجارب شبه العشوائية عندما لا يكون التوزيع العشوائي ممكنًا). - الشراكة مع فرق المنتجات والهندسة لضمان التتبع الصحيح والضوابط وجودة التجربة. النمذجة للقرارات (التعلم الآلي العملي) - بناء نماذج تنبؤية وتجزئة أساسية (على سبيل المثال، احتمالية التوقف عن التعامل، إشارات المخاطر، تجميع العملاء) بتقييم وقيود واضحة. - التركيز على النماذج القابلة للتطبيق: من سيستخدمها، ومتى، وما هو القرار الذي ستغيره. الذكاء الاصطناعي التطبيقي (النماذج اللغوية الكبيرة) للتحليلات واتخاذ القرارات - بناء نماذج أولية صغيرة وآمنة لاستخدامات النماذج اللغوية الكبيرة التي تحسن كيفية استكشاف الفرق للبيانات (على سبيل المثال، أسئلة وأجوبة باللغة الطبيعية على مجموعة بيانات منسقة، تلخيص نتائج التجربة، أو إنشاء قوائم مراجعة للتحقيق). - المساعدة في تحديد أساليب التقييم والتحقق للمخرجات المدعومة بالذكاء الاصطناعي (فحوصات السلامة، الاستعلامات الذهبية، مجموعات الاختبار غير المتصلة بالإنترنت، وحلقات المراجعة البشرية). - الشراكة مع أصحاب المصلحة في المنصة والأمن لضمان ترخيص سير عمل الذكاء الاصطناعي بشكل صحيح وتجنب تسريب البيانات الحساسة. التحليلات التي يتم شحنها - إنشاء أصول تحليلية قابلة لإعادة الاستخدام وموثقة جيدًا: مجموعات البيانات، جداول الميزات، دفاتر الملاحظات، لوحات المعلومات، والخدمات أو المهام البسيطة. - التعاون مع هندسة البيانات لإنتاج خطوط أنابيب موثوقة عند الحاجة. جودة البيانات وموثوقيتها - التحقق من مدخلات البيانات، ومراقبة المقاييس الرئيسية، والتحقيق في الحالات الشاذة. - توثيق الافتراضات وبناء فحوصات السلامة بحيث تكون التحليلات والنماذج جديرة بالثقة. الاستخدام المسؤول لأدوات الذكاء الاصطناعي - استخدام الذكاء الاصطناعي لتسريع الترميز والتوثيق والاستكشاف. - التحقق من مخرجات الذكاء الاصطناعي، وحماية البيانات الحساسة، واتباع ممارسات التعامل الآمن مع البيانات. خبرتك (يجب أن تكون لديك) - خريج جديد أو أقل من سنة واحدة من الخبرة ذات الصلة (التدريب الداخلي، مشاريع التخرج، أو الأدوار بدوام جزئي). - أساسيات قوية في SQL (الروابط، التجميعات، وظائف النافذة). - لغة برمجة واحدة للبيانات (يفضل Python) مع مهارات أساسية في: - معالجة البيانات (الجداول/إطارات البيانات) - أساسيات الإحصاء (التوزيعات، الحدس في أخذ العينات، أساسيات الثقة) - النمذجة الأساسية (أساسيات الانحدار/التصنيف والحدس في التقييم) - تفكير تحليلي قوي: - القدرة على تحديد المشكلة، والتحقق من البيانات، وشرح النتائج بوضوح. - اهتمام قوي بالتفاصيل والالتزام بمخرجات دقيقة وموثوقة. - القدرة على العمل بفعالية في بيئة موجهة نحو الفريق. مزايا إضافية (مستحسن) - التعرض لمنصات أو أطر عمل التجريب (على سبيل المثال Statsig، Optimizely، أدوات التجريب الداخلية). - الإلمام بمجموعات التحليلات الحديثة (dbt، BigQuery، Snowflake، Looker، PowerBI، Tableau) من خلال الدورات الدراسية أو المشاريع. - التعرض لأدوات التعلم الآلي (scikit-learn، دفاتر الملاحظات، مفاهيم MLOps الأساسية) والتحكم في الإصدار (Git). - الإلمام بمفاهيم النماذج اللغوية الكبيرة (أساسيات التوجيه، الحدس في الاسترجاع/RAG، وأساليب التقييم) من خلال الدورات الدراسية أو المشاريع الجانبية. - فهم مفاهيم تحليلات المنتج (المسارات، المجموعات، الاحتفاظ) ومزالق السببية (التحيز في الاختيار، العوامل المربكة). - الخبرة في إنشاء أصول بيانات جاهزة للذكاء الاصطناعي (طبقات دلالية نظيفة، تعريفات المقاييس، عقود البيانات، التوثيق، وقوائم مراجعة التحقق من السلامة). - معرفة التعامل المسؤول مع البيانات (أساسيات معلومات التعريف الشخصية PII، ضوابط الوصول، المشاركة الآمنة). ماذا يعني النجاح - يمكنك تقديم تحليل شامل بشكل مستقل بافتراضات واضحة، وخطوات تحقق، وتوصية ملموسة. - تساعد في شحن أداة قرار واحدة على الأقل (تجربة، إطار عمل مقياس، أو نموذج خفيف الوزن) تغير قرار منتج أو عمل. - يمكن لأصحاب المصلحة إجراء تحليلات قابلة للتكرار بتقليل التردد، ويقلل عملك من الغموض في المقاييس الرئيسية. - يمكنك اكتشاف متى تبدو النتائج غير صحيحة، وتصحيح الأخطاء بسرعة، وشرح السبب الجذري.

ما ستقوم به

• • ستقوم بتحديد أسئلة المنتج القابلة للقياس، وبناء مقاييس موثوقة، وتطوير نماذج خفيفة الوزن لتحسين أداء الأعمال. بالإضافة إلى ذلك، ستتعاون مع فرق الهندسة والمنتجات لتنفيذ سير عمل اتخاذ القرار بمساعدة الذكاء الاصطناعي وضمان جودة البيانات.

المتطلبات

يتطلب الدور خريجًا جديدًا أو شخصًا لديه أقل من عام واحد من الخبرة وأساسيات قوية في SQL و Python. يجب أن يمتلك المرشحون مهارات تفكير تحليلي قوية وفهمًا أساسيًا لمفاهيم الإحصاء والتعلم الآلي.

الأسئلة الشائعة