وظائف بلس — مهندس تعلم الآلة
وظيفة منشورة على وظائف بلس، مع تفاصيل المتطلبات والمزايا ورابط التقديم المباشر.
كليرجريد
مهندس تعلم الآلة
تتقدّم باسم
زيارة موقع الشركةالإعلان الأصلي للوظيفة
Machine Learning Engineer ClearGrid
مقارنة الرواتب
AED 20k – AED 35kثقة متوسطة · AED 20,000/شهرياً – AED 35,000/شهرياً
الرواتب المعروضة تقديرية ومبنية على بيانات السوق المتاحة، وقد لا تعكس الراتب الفعلي للوظيفة.
الوصف
ملخص الوظيفة تسعى ClearGrid إلى توظيف عالم بيانات تعلم آلة مبتكر وعملي للانضمام إلى فريق علوم البيانات الخاص بالتحصيلات والمحافظ. في هذا الدور، ستتولى مسؤولية دورة حياة نماذج الذكاء الاصطناعي/تعلم الآلة المتطورة المصممة لتحسين جهود الاسترداد لمنتجات الائتمان غير المضمونة (اشترِ الآن وادفع لاحقًا، قروض الأقساط، إلخ). ستعمل كقائد تقني، وتقود استراتيجية البيانات وتنشر حلول الذكاء الاصطناعي الوكيل التي تؤثر بشكل مباشر على مئات الآلاف من العملاء مع ضمان عدالة النموذج والامتثال التنظيمي. المسؤوليات الرئيسية تطوير النماذج وامتلاك دورة حياتها: - تصميم وبناء ونشر نماذج تعلم الآلة للتنبؤ بمخاطر التخلف عن السداد واحتمالات الاسترداد لمنتجات الإقراض قصيرة الأجل. - تولي الملكية الكاملة لدورة حياة النموذج، من البحث الأولي إلى مراقبة الإنتاج وإعادة التدريب الآلي. - تطبيق أساليب إحصائية إبداعية، بما في ذلك التحليل السببي، والتعلم المعزز، ومعالجة اللغة الطبيعية. استراتيجية وهندسة البيانات: - بناء خطوط أنابيب بيانات فعالة وقابلة لإعادة الاستخدام لتوليد الميزات وتسجيل النماذج باستخدام Python و SQL. - تصميم ونشر بنى تحتية للذكاء الاصطناعي الوكيل، باستخدام كل من الأدوات الخاصة والمتاحة تجاريًا. - التعاون مع فرق الهندسة لدمج النماذج في بيئات الإنتاج بسلاسة. تحسين خاص بالمجال: - تطوير نماذج لأداء مركز الاتصال، باستخدام التحليل السببي واللصوص متعددي الأذرع لتحسين التواصل. - إدارة مفاهيم نمذجة التحصيل مثل معايرة PD، واستدلال الرفض، وتجزئة المخاطر. - الشراكة مع فرق الشراء التابعة للوكالات والمحافظ لمواءمة مخرجات النموذج مع قرارات الإقراض التجارية القابلة للتنفيذ. الامتثال وتطور البنية التحتية: - ضمان استيفاء جميع النماذج لمعايير صارمة للعدالة، وقابلية التفسير، ومنطق الإجراءات السلبية. - المساهمة في التطور المستمر للبنية التحتية لتعلم الآلة في ClearGrid لتحسين كفاءة نظامنا البيئي للذكاء الاصطناعي. المتطلبات الخبرة التعليمية والمهنية: - درجة متقدمة (دكتوراه / ماجستير) في علوم الكمبيوتر، علوم البيانات، الذكاء الاصطناعي، الرياضيات، أو مجال كمي ذي صلة. - 3-5 سنوات من الخبرة المهنية في علوم الذكاء الاصطناعي أو تعلم الآلة. - خبرة في التكنولوجيا المالية: خبرة كبيرة في مخاطر الائتمان، مع فهم عميق لأنظمة الدفع، والخدمات المصرفية، ومنتجات الإقراض. المهارات التقنية: - البرمجة: معرفة موثوقة بـ Python و SQL. - الأطر: إتقان TensorFlow، PyTorch، ونماذج الشجرة. - تقنيات تعلم الآلة: خبرة في التعلم العميق، والتجميع، والسلاسل الزمنية، والتعلم المعزز. - هندسة البيانات: قدرة مثبتة على بناء خطوط أنابيب وأطر عمل قابلة للتطوير لمجموعات البيانات الكبيرة والمعقدة. المهارات الشخصية: - قدرات قوية على حل المشكلات ومهارات الاتصال اللازمة للدفاع عن منطق النموذج أمام أصحاب المصلحة. - عقلية "مبتكرة" موجهة نحو النتائج، قادرة على الازدهار في بيئة سريعة الوتيرة وتعاونية. المؤهلات المفضلة - البنية التحتية السحابية: خبرة مع GCP (Vertex AI) أو AWS (SageMaker) وأدوات التنسيق مثل Apache Airflow. - MLOps: خلفية قوية في إعادة التدريب الآلي، والتحكم في الإصدار، وخطوط أنابيب مراقبة النموذج. - التجريب: خبرة في تصميم اختبار A/B والتحليل الإحصائي المتقدم.
ما ستقوم به
- • - امتلاك دورة حياة نماذج الذكاء الاصطناعي/تعلم الآلة من البداية إلى النهاية لتحسين جهود الاسترداد لمنتجات الائتمان غير المضمونة. تصميم ونشر حلول الذكاء الاصطناعي الوكيل وخطوط أنابيب البيانات مع ضمان عدالة النموذج والامتثال التنظيمي.
المتطلبات
يتطلب درجة متقدمة في مجال كمي و3-5 سنوات من الخبرة المهنية في الذكاء الاصطناعي أو تعلم الآلة. يجب أن يكون لديك خبرة كبيرة في التكنولوجيا المالية في مخاطر الائتمان ومعرفة موثوقة بـ Python و SQL.
التعليم المطلوب
- - درجة الدراسات العليا
نسبة التوافق13%
نصائح المقابلة
استعد لمناقشة خبرتك في بناء ونشر نماذج تعلم الآلة من البداية إلى النهاية، خاصة في مجال الائتمان غير المضمون.
كن مستعدًا لعرض معرفتك العميقة بـ Python و SQL، بالإضافة إلى أطر عمل تعلم الآلة مثل TensorFlow و PyTorch.
سلط الضوء على فهمك للتحليل السببي، والتعلم المعزز، ومعالجة اللغة الطبيعية، وكيف يمكن تطبيقها في تحسين الاسترداد.
أظهر قدرتك على حل المشكلات المعقدة والتواصل بفعالية مع أصحاب المصلحة غير التقنيين.
اقتراح آلي للمسار الوظيفي، وليس توصية رسمية من صاحب العمل.
المسار الوظيفي
كبير مهندسي تعلم الآلة
مهندس تعلم الآلة
مهندس تعلم آلة رئيسي
مدير فريق علوم البيانات
الأسئلة الشائعة
ما هو الدور الرئيسي لهذه الوظيفة؟
الدور الرئيسي هو امتلاك دورة حياة نماذج الذكاء الاصطناعي/تعلم الآلة من البداية إلى النهاية لتحسين جهود الاسترداد لمنتجات الائتمان غير المضمونة، وتصميم ونشر حلول الذكاء الاصطناعي الوكيل وخطوط أنابيب البيانات مع ضمان عدالة النموذج والامتثال التنظيمي.
ما هي المهارات التقنية المطلوبة لهذا المنصب؟
المهارات التقنية المطلوبة تشمل معرفة موثوقة بـ Python و SQL، وإتقان TensorFlow، PyTorch، ونماذج الشجرة، وخبرة في التعلم العميق، والتجميع، والسلاسل الزمنية، والتعلم المعزز، والقدرة على بناء خطوط أنابيب وأطر عمل قابلة للتطوير لمجموعات البيانات الكبيرة والمعقدة.
ما هي المؤهلات التعليمية المطلوبة؟
المؤهلات التعليمية المطلوبة هي درجة متقدمة (دكتوراه / ماجستير) في علوم الكمبيوتر، علوم البيانات، الذكاء الاصطناعي، الرياضيات، أو مجال كمي ذي صلة.
ما هي الخبرة المطلوبة في مجال التكنولوجيا المالية؟
مطلوب خبرة كبيرة في التكنولوجيا المالية في مخاطر الائتمان، مع فهم عميق لأنظمة الدفع، والخدمات المصرفية، ومنتجات الإقراض.
العمل في دبي
تُعد دبي مركزًا عالميًا للأعمال، وتجذب المهنيين الطموحين من جميع أنحاء العالم. تتميز المدينة بسوق عمل ديناميكي يضم مجموعة واسعة من الصناعات المزدهرة، بما في ذلك التمويل والتكنولوجيا والضيافة والعقارات. تشتهر دبي بثقافتها العملية سريعة الوتيرة والموجهة نحو النتائج، حيث يتم تقدير الابتكار والتميز. غالبًا ما توفر الشركات في دبي بيئة عمل متعددة الثقافات، مما يعكس التنوع السكاني في المدينة. تساهم البنية التحتية الحديثة في دبي، بما في ذلك شبكة النقل العام الفعالة، في تسهيل التنقل اليومي. بالإضافة إلى ذلك، توفر المدينة أسلوب حياة عالي الجودة مع مجموعة واسعة من الأنشطة الترفيهية والفرص الثقافية، مما يجعلها وجهة جذابة للمهنيين الذين يسعون إلى النمو الوظيفي والتجارب الغنية.
موقع تجميع وظائف من جهات خارجية. الحقول المنظَّمة (المهام، المتطلبات، المزايا، التعليم، الراتب، الأسئلة) مُستنبَطة آلياً من الإعلان الأصلي وقد تكون غير دقيقة. يُرجى التحقّق عبر الموقع الرسمي لصاحب العمل قبل التقديم.