علم البيانات × أول

📌 ملخص المسار المهني

• ▸عملت في شركة تكامل أنظمة كبرى لمدة 3 سنوات، حيث قدمت استشارات لبناء مستودعات البيانات وتطبيق أنظمة BI، وتوليت مسؤولية تحليل المتطلبات وتصميم نماذج البيانات.
• ▸انتقلت إلى شركة تقنية متعددة الجنسيات وعملت كعالم بيانات أول لمدة 5 سنوات، حيث قمت بتطوير خوارزميات التوصية للتجارة الإلكترونية وتوحيد معايير خطوط أنابيب MLOps.
• ▸أعمل حاليًا في قسم التحول الرقمي بمؤسسة مالية محلية كبرى، حيث أدير فريقًا من 8 علماء بيانات لتطوير نماذج ائتمان تعتمد على الذكاء الاصطناعي، ولدي خبرة سنتان في هذا الدور.

📌 الإنجازات ونقاط القوة

• ▸قمت بتحديث نموذج التوصية المخصص في موقع تجارة إلكترونية، مما أدى إلى زيادة معدل التحويل بنسبة 14% وتحقيق إيرادات سنوية إضافية بقيمة 2.5 مليار ين.
• ▸طبقت نموذج ذكاء اصطناعي لتقييم الائتمان، مما خفض متوسط زمن الموافقة من 3 أيام إلى 15 دقيقة، وانخفاض معدل التعثر بنسبة 0.8%.
• ▸طوّرت بنية MLOps داخلية باستخدام Kubeflow وMLflow، مما خفض زمن نشر النماذج من 4 أسابيع إلى 3 أيام فقط.

📌 المهارات

• ▸اللغات والأطر: Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
• ▸MLOps والبنية التحتية: Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
• ▸هندسة البيانات: dbt, Airflow, Kafka
• ▸إدارة الأعمال: إدارة المشاريع، بناء الفرق، التواصل مع أصحاب المصلحة، اللغة الإنجليزية بمستوى أعمال (TOEIC 920)

📌 التعريف الذاتي

• ▸أنا عالم بيانات أركز على "الأثر التجاري" وليس "التقنية لأجل التقنية". في شركتي السابقة، اقترحت نموذج تعلم عميق متطور، لكن أصحاب المصلحة اعترضوا بسبب تكاليف الاستدلال وزمن الاستجابة. لذلك، قمت بتصميم وتنفيذ نموذج هجين يجمع بين XGBoost الخفيف والشبكات العصبية، مما خفض التكاليف بنسبة 60% مع الحفاظ على الدقة، وحققنا زيادة في المبيعات بقيمة 2.5 مليار ين سنويًا. هذه التجربة عززت قناعتي بأن قدرتي على الموازنة بين الاستكشاف التقني والقيود التجارية، وإشراك أصحاب المصلحة للوصول إلى الحل الأمثل، هي أعظم نقاط قوتي.

🔗 🔗 مستويات أخرى