الوصف الوظيفي ككبير علماء البيانات، ستكون مسؤولاً عن المهام التالية: - تطوير نماذج تنبؤية ووصفية: تصميم وتدريب نماذج تقسيم العملاء (التجميع، RFM، النمذجة السلوكية). تطوير محركات توصية شخصية (مرشحات تعاونية، مرشحات قائمة على المحتوى، أنظمة هجينة) لتحسين البيع المتبادل والبيع العالي. تطوير نماذج التنبؤ والكشف: الاستنزاف، الميل، تقييم المخاطر، التنبؤ بحجم المعاملات، والكشف عن الحالات/القواعد السلوكية لمكافحة غسل الأموال (AML). - هندسة البيانات والنماذج: التعاون مع مهندسي البيانات لتحديد الميزات وتحضير خطوط التدريب اللازمة من بحيرة البيانات (Cassandra، Hive، إلخ). تطبيق أفضل ممارسات MLOps: إصدار النماذج، أتمتة النشر، ومراقبة الأداء في الإنتاج (الانحراف، التحيز). - تحقيق القيمة التجارية: تحويل الاحتياجات التجارية (مثل تقليل الاستنزاف، زيادة معدل التحويل) إلى مشاكل علم البيانات. تفسير نتائج النماذج وتوصيل الرؤية لمالكي المنتجات وأصحاب المصلحة الأعمال. المساهمة في إثراء أنظمة المصدر وبحيرة البيانات بالبيانات التنبؤية.
الملف الشخصي المطلوب
المؤهلات
التعليم: درجة هندسية (Bac+5) مع تخصص في علم البيانات، الذكاء الاصطناعي أو الإحصاء/الرياضيات التطبيقية.
الخبرة: 3-5 سنوات من الخبرة المثبتة في مشاريع نمذجة تنبؤية وأنظمة توصية مماثلة.
المهارات التقنية- إتقان تعلم الآلة: الخوارزميات الكلاسيكية (الانحدار، التصنيف، التجميع، السلاسل الزمنية) والتعلم العميق (إن كان ذلك مطلوبًا).
- إطارات AI: الإلمام بمكتبات بايثون (Scikit-learn، Pandas، XGBoost، TensorFlow أو PyTorch).
- البيانات الكبيرة والأدوات: معرفة بيئات موزعة (Spark/PySpark) وقواعد بيانات NoSQL (Cassandra، MongoDB).
- التشغيل وCI/CD: الإلمام ببيئات الحاويات (Docker) وإدارة دورة حياة النماذج (MLOps).
- البيئة التكنولوجية: Cloudera Data Platform، بنية الخدمة المصغرة، Kafka، API Gateway (Axway)، Keycloak.
- المنهجية: العمل في وضع أجايل (Scrum of Scrums، لجان المتابعة الأسبوعية).
- التعاون: فريق متعدد التخصصات (مهندسو البيانات، قائد تقني، مالكو المنتج، 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
Qualifications
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 ML: Classical algorithms (regression, classification, clustering, time series) and Deep Learning (if applicable).
- AI frameworks: Proficiency in 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 environment: 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).