الوصف الوظيفي كشريك رفيع لعالم البيانات، ستكون مسؤولاً عن المهام التالية: - تطوير نماذج التنبؤ والتوصية: تصميم وتدريب نماذج تقسيم العملاء (التجميع، RFM، الملف الشخصي السلوكي). تطوير محركات توصية شخصية (مرشحات التعاون، المرشحات المرتكزة على المحتوى، الأنظمة الهجين) لتحسين بيع متبادل ورفع قيمة العملاء. تطوير نماذج التنبؤ والكشف: التدفق، الاستعداد/الاحتمالية، تقييم المخاطر، التنبؤ بحجم المعاملات، والكشف عن الشوائب/قواعد سلوكية لمكافحة غسيل الأموال (AML). - هندسة البيانات والنماذج: التعاون مع مهندسي البيانات لتحديد الميزات وتحضير خطوط تدريب اللازمة من بحيرة البيانات/المستوى (Cassandra، Hive، إلخ). تنفيذ أفضل ممارسات MLOps: تحديد إصدار النموذج، أتمتة النشر، ومراقبة أداء الإنتاج (الانزياح، التحيز). - تقديم قيمة أعمال: تحويل احتياجات الأعمال (مثلاً تقليل معدل الانسحاب، زيادة معدل التحويل) إلى مشاكل علم البيانات. تفسير نتائج النموذج وتوصيل الرؤى إلى مالكي المنتجات وأصحاب المصلحة في الأعمال. المساهمة في إثراء أنظمة المصدر وبحيرة البيانات بالبيانات التنبؤية.
الملف المرشح المرغوب
التعليم: شهادة هندسة (Bac+5) بتخصص في علم البيانات، الذكاء الاصطناعي أو الإحصاء/الرياضيات التطبيقية.
الخبرة: ٣٥ سنة من الخبرة المثبتة في مشاريع النمذجة التنبؤية وأنظمة التوصية المماثلة.
المهارات التقنية: إتقان تعلم الآلة: الخوارزميات الكلاسيكية (الانحدار، التصنيف، التجميع، السلاسل الزمنية) والتعلم العميق (إن وجد). أطر الذكاء الاصطناعي: إتقان مكتبات بايثون (Scikit-learn، Pandas، XGBoost، TensorFlow، أو PyTorch). البيانات الضخمة والأدوات: معرفة البيئات الموزعة (Spark/PySpark) وقواعد البيانات NoSQL (Cassandra، MongoDB). العمليات وCI/CD: الإلمام ببيئات الحاويات (Docker) وإدارة دورة حياة النموذج (MLOps). النظام البيئي التكنولوجي: Cloudera Data Platform، بنية الخدمات الدقيقة، Kafka، API Gateway (Axway)، Keycloak.
المنهجية: العمل بنمط أجايل (Scrum of Scrums، لجان متابعة أسبوعية).
التعاون: فريق متعدد التخصصات (مهندسو البيانات، قائد تقني، مالكو المنتجات، خبراء الأعمال).
Job Description As a Senior Data Scientist, you will be responsible for the following tasks: - Development of predictive and prescriptive models: Design and train Customer Segmentation models (clustering, RFM, behavioral profiling). Develop personalized recommendation engines (collaborative filters, content-based filters, hybrid systems) to improve cross-selling and upselling. Develop Prediction and Detection models: Churn, propensity, risk scoring, transaction volume forecasting, and detection of anomalies/behavioral rules for anti-money laundering (AML). - Data and model engineering: Collaborate with Data Engineers to define features and prepare the necessary training pipelines from the Data Lakehouse (Cassandra, Hive, etc.). Implement MLOps best practices: model versioning, deployment automation, and production performance monitoring (drift, bias). - Business value delivery: Translate business needs (e.g., reduce churn, increase conversion rate) into Data Science problems. Interpret model results and communicate insights to Product Owners and business stakeholders. Contribute to enriching source systems and the Data Lakehouse with predictive data.
Desired Candidate Profile
Education: Engineering degree (Bac+5) with a specialization in Data Science, Artificial Intelligence or Statistics/Applied Mathematics.
Experience: 35 years of confirmed experience on similar predictive modeling and recommendation systems projects.
Technical Skills: Mastery of Machine Learning: Classic algorithms (regression, classification, clustering, time series) and Deep Learning (if applicable). AI Frameworks: Mastery of Python libraries (Scikit-learn, Pandas, XGBoost, TensorFlow, or PyTorch). Big Data & Tools: Knowledge of distributed environments (Spark/PySpark) and NoSQL databases (Cassandra, MongoDB). Ops & CI/CD: Familiarity with containerization environments (Docker) and model lifecycle management (MLOps). Technological ecosystem: Cloudera Data Platform, Microservices Architecture, Kafka, API Gateway (Axway), Keycloak.
Methodology: Working in Agile mode (Scrum of Scrums, weekly follow-up committees).
Collaboration: multidisciplinary team (Data Engineers, Lead Tech, Product Owners, Business Experts).