علم البيانات × ذو خبرة

📌 ملخص المسار المهني

• ▸2018.04 - 2021.03: شركة كبرى لمنصات التجارة الإلكترونية - محلل بيانات وعالم بيانات (التنبؤ بالطلب، تحليل ROI للتسويق، تصميم اختبارات A/B)
• ▸2021.04 - حتى الآن: شركة ناشئة في مجال الذكاء الاصطناعي (مدعومة برأس مال أجنبي) - كبير علماء البيانات (تحويل البنية التحتية للتوصيات إلى MLOps، تطوير نماذج التعلم العميق، إرشاد المبتدئين)

📌 الإنجازات ونقاط القوة

• ▸قمت بتطوير وتنفيذ نموذج للتنبؤ بالطلب (LightGBM/Prophet) من الصفر، مما ساهم في خفض نسبة تلف المخزون بنسبة 15% مقارنة بالعام السابق، وتحقيق توفير في التكاليف يبلغ حوالي 120 مليون ين سنويًا.
• ▸خفضت زمن استجابة واجهة التوصية المخصصة (Recommendation API) من 50ms إلى 12ms، مما أدى إلى زيادة نسبة النقر إلى الظهور (CTR) بنسبة 2.4%. وحققت إيرادات شهرية تبلغ 30 مليون ين.
• ▸قمت ببناء خط أنابيب MLOps داخليًا (Kubeflow/MLflow)، مما أدى إلى تقليل الوقت اللازم من مرحلة التحقق من النموذج إلى النشر في الإنتاج بشكل كبير من 3 أسابيع إلى يومين فقط.

📌 المهارات

• ▸اللغات وقواعد البيانات: Python (Pandas, NumPy, Scikit-learn), SQL (BigQuery, Redshift), R, Bash
• ▸التعلم الآلي والتعلم العميق: PyTorch, XGBoost, LightGBM, معالجة اللغة الطبيعية (Hugging Face Transformers)
• ▸البنية التحتية و MLOps: AWS (SageMaker, S3), Docker, Kubernetes, MLflow, Airflow, dbt
• ▸الأعمال وغيرها: تصميم اختبارات A/B، الاستدلال السببي، إتقان اللغة الإنجليزية لمستوى الأعمال (TOEIC 890 / خبرة في Scrum يومي مع فرق دولية)

📌 التعريف الذاتي

• ▸أحرص دائمًا على التركيز ليس فقط على تحسين دقة النماذج، بل أيضًا على كيفية تنفيذها في الأعمال وتحقيق القيمة الملموسة. في وظيفتي السابقة، واجهت رفضًا من إحدى الإدارات لنموذج تعلم عميق كان دقيقًا للغاية لكنه مكلف من حيث الاستدلال، مما جعلني أدرك أهمية المنظور التجاري. ومنذ ذلك الحين، تعاونت مع المهندسين لبناء بنية MLOps، وأنشأت نظامًا للنشر التلقائي لنماذج مجمعة خفيفة وعالية الدقة. ونتيجة لذلك، تم تحسين مستوى المعرفة باستخدام البيانات في الإدارة، وحظيت بثقة قسم علوم البيانات. أتطلع إلى مواجهة تحديات أكبر وأكثر تنوعًا على بنية بيانات عالمية، ولذلك أرغب في الانضمام إلى شركتكم.

🔗 🔗 مستويات أخرى