مهندس التعلم الآلي

يشرف قسم الهندسة على جميع متطلبات أجودا المتعلقة بتعلم الآلة والبرمجيات. هدفنا هو تمكين وزيادة أعمال أجودا من خلال الأساليب الإبداعية وتنفيذ موارد قوية مثل قواعد البيانات التشغيلية والتحليلية، والحلول القائمة على التعلم الآلي، وأنظمة الانتظار، وأدوات مراقبة البيانات. نحن نوظف ألمع العقول من جميع أنحاء العالم لمواجهة هذا التحدي وتزويدهم بالمعرفة والأدوات التي تساهم في نموهم الشخصي ونجاحهم مع دعم ثقافة التنوع والتجريب في شركتنا. يعد الدور الذي يلعبه الفريق الهندسي في أجودا أمرًا بالغ الأهمية حيث يعتمد علينا مستخدمو الأعمال ومديرو المنتجات وغيرهم الكثير لتمكينهم من اتخاذ القرار. نحن ملتزمون بنفس القدر بعملائنا من خلال تحسين تجربة البحث الخاصة بهم بنتائج أسرع وحمايتهم من أي أنشطة احتيالية. فالبيانات لا تكون مثيرة للاهتمام إلا عندما يكون لديك ما يكفي منها، ولدينا الكثير منها. وهذا هو ما يزيد من التحدي كجزء من فريق هندسة تعلم الآلة، ولكن أيضًا المكافأة. نحن نعمل عبر البيانات المنظمة وغير المنظمة على نطاق واسع. على سبيل المثال، تقوم نماذج ML الحالية لدينا بمعالجة ملايين الصور يوميًا لمحاولة تحسين التجربة التي يحصل عليها مستخدمونا من تطبيقنا.

لماذا فريق أجودا الهندسي (دور تعلم الآلة)؟

تعمل فرقنا الهندسية على تقاطع تحليلات الأعمال وهندسة التعلم الآلي وتخزين البيانات وهندسة البرمجيات. تتضمن مهمتنا التعامل مع الأنظمة الموزعة ومعالجة التدفق ونمذجة مل والحساب بعشرات مقياس PB. نحن نركز على هندسة البرمجيات المتعلقة بنسخ البيانات وتخزينها والحساب المركزي وواجهة برمجة تطبيقات البيانات. من خلال تزويد مستخدمينا بمنتجات/أدوات ML، والأطر المشتركة، وخدمات ML، فإننا نمكن شركتنا من التحقق من صحة القرارات الإستراتيجية، واتخاذ خيارات أكثر ذكاءً، والتفاعل مع العالم سريع التغير. نحن فريق صغير ولكن متحمس يضم أشخاصًا من جنسيات مختلفة يعملون معًا لتحقيق هدف واحد.

في هذا الدور، سوف تحصل على:

قيادة الفريق تقنيًا في تحسين قابلية التوسع والاستقرار والدقة والسرعة والكفاءة لأنظمة وعمليات تعلم الآلة الحالية لدينا.
بناء وإدارة وتوسيع نطاق خطوط معالجة تعلم الآلة.
كن مرتاحًا أثناء التنقل بين مجموعة التكنولوجيا التالية: Python3 وPyspark والبرمجة النصية (Bash/Python) وHadoop وSQL وS3 وما إلى ذلك.
يجب أن يكون قادرًا على فهم الأجزاء الداخلية لنماذج ML مثل Random Forest وCNN ونماذج الانحدار وما إلى ذلك
تصميم وبناء واختبار ونشر مكتبات أو أطر عمل أو أنظمة كاملة جديدة لأنظمتنا الأساسية مع الالتزام بأعلى معايير الاختبار وجودة التعليمات البرمجية.
العمل مع المهندسين ذوي الخبرة وأصحاب المنتجات لتحديد وبناء الأدوات اللازمة لأتمتة العديد من مهام إدارة / تحليل البيانات واسعة النطاق.
نحن نؤمن بالملكية الشاملة؛ سيتضمن هذا الدور نقل نماذج التعلم الآلي إلى الإنتاج على نطاق واسع.