تطوّر شركة Daimler Truck North America المركبات والتقنيات والخدمات وتقدّمها لقطاع النقل التجاري. وتشمل محفظتها الشاحنات المتوسطة والثقيلة، وحافلات المدارس، والهياكل، وحلول النقل ذات الصلة بعلامات Freightliner وWestern Star وThomas Built Buses. وتجمع الشركة بين الخبرات في الهندسة والتصنيع والتسويق والخدمات، مع التركيز على دفع عجلة الابتكار والاستدامة في مجالات الخدمات اللوجستية والسيارات والنقل.
مشرف علوم البيانات الثاني
قد الذكاء الاصطناعي وهندسة المعمارية، ووكلاء التوليد المعزز بالاسترجاع (RAG)، ومنصات البيانات القابلة للتوسع في دايملر للشاحنات في أمريكا الشمالية. وجّه الفرق التي تبني حلول ذكاء اصطناعي محكومة لعمليات التصنيع والتمويل وخدمات ما بعد البيع.
الوصف
- طوّر منتجات البيانات والذكاء الاصطناعي باستخدام أسس بيانات DTNA ودايملر للشاحنات والتقنيات الناشئة.
- قد هندسة البيانات وتنفيذ الذكاء الاصطناعي والتعاون بين المناطق.
- راجع البنى وقدم المشورة بشأن التوجه التقني والجدوى وقابلية التوسع لمبادرات الذكاء الاصطناعي.
- حدد فرص البيانات والذكاء الاصطناعي ذات الأثر الكبير عبر وحدات الأعمال والمناطق.
- نسّق مع قادة البيانات والمهندسين المعماريين والقادة التقنيين في مجموعة DTG بشأن حلول البيانات والذكاء الاصطناعي.
- اعمل مع DTICI لوضع معايير وحلول عالمية لهندسة البيانات والذكاء الاصطناعي.
- كيّف حلول البيانات والذكاء الاصطناعي العالمية مع الاحتياجات الإقليمية والمتطلبات التنظيمية.
- عزّز تبادل المعرفة داخليًا من خلال مجتمعات الممارسة في البيانات والذكاء الاصطناعي.
- حافظ على قابلية توسع منصة بيانات المؤسسة واستعدادها للذكاء الاصطناعي، مع بيانات يسهل العثور عليها ومحكومة وقابلة للاستخدام.
- تعاون مع قادة الأعمال لاختيار حالات استخدام قيّمة وتطوير إثباتات المفهوم والمنتجات الأولية القابلة للتطبيق.
- قيّم أدوات الذكاء الاصطناعي ومنصاته ونماذجه ومورديه وجرّبها، وأوصِ بخرائط طريق للهندسة المعمارية.
- استخدم الذكاء الاصطناعي لتحسين إعداد البيانات وجودتها وتوثيقها وأتمتتها.
- أنشئ الأنماط وخطوط المعالجة وممارسات MLOps وLLMOps لنشر حلول الذكاء الاصطناعي وتوسيع نطاقها.
- طبّق ممارسات الذكاء الاصطناعي المسؤول التي تفي بمعايير الأمن والخصوصية والجودة والحوكمة.
- قدّم المشورة لأصحاب المصلحة بشأن إمكانات الذكاء الاصطناعي وساعدهم على اكتساب المهارات المناسبة وترتيب أولويات العمل.
- قد تصميم حلول RAG المؤسسية والحلول القائمة على الوكلاء وتنفيذها عمليًا.
- أنشئ وكلاء ذكاء اصطناعي للمؤسسة باستخدام RAG والاسترجاع الدلالي والبحث المتجهي وتنسيق الأدوات وسير العمل متعدد الوكلاء.
- ضع مقاييس جودة الذكاء الاصطناعي وأطر التقييم، بما فيها مجموعات البيانات المرجعية وخطوط المعالجة وعمليات التقييم بواسطة نموذج لغوي كبير واختبارات الانحدار.
- أنشئ نماذج بيانات دلالية وقائمة على الأنطولوجيا للذكاء الاصطناعي المؤسسي والتحليلات ذاتية الخدمة والاستدلال واكتشاف المعرفة.
- قيّم معايير الذكاء الاصطناعي الناشئة واعتمدها، بما فيها بروتوكول سياق النموذج (MCP).
- أدر فريقًا من المتخصصين في الذكاء الاصطناعي والبيانات.
- أجرِ مراجعات الموظفين ومناقشات الأثر، وقدّم الملاحظات والإرشاد.
- ادعم خطط التطوير واستقطب مواهب الذكاء الاصطناعي ووجّهها وساعد على الاحتفاظ بها.
- ابنِ ثقافة فريق تعاونية وشاملة.
- حدّد أهداف الفريق ومؤشرات الأداء بما يدعم الأولويات الاستراتيجية.
- طوّر فرقًا هندسية عالية الأداء من خلال التوظيف والمقابلات التقنية والإرشاد وتطوير المواهب.
- قد قيادة تقنية من خلال مراجعات الهندسة المعمارية والتصميم والبرمجيات وحلول الذكاء الاصطناعي والجاهزية للإنتاج.
المتطلبات
- درجة بكالوريوس في تخصص تقني أو تصميمي مثل علوم الحاسوب أو تصميم البرمجيات أو علوم البيانات، مع خبرة ذات صلة لا تقل عن سبع سنوات.
- خبرة في منصات التحليلات السحابية الرئيسية.
- خبرة في منصات تحليلات البيانات الضخمة الرئيسية.
- خبرة في الذكاء الاصطناعي التوليدي ونماذج اللغة الكبيرة الرائدة.
- خبرة في نشر أحمال الحوسبة السحابية الكبيرة وإدارتها لتحقيق كفاءة الأداء والتكلفة.
- مهارات SQL بمستوى خبير.
- خبرة عملية واسعة في نمذجة البيانات المفاهيمية والمنطقية والمادية، ومخازن البيانات العلائقية وغير العلائقية.
- فهم قوي لهندسة البيانات ومعماريتها.
- خبرة مثبتة في تصميم وتشغيل خطوط معالجة ETL/ELT ومنصات البيانات الحديثة.
- خبرة في إعداد البيانات وهندستها لاستخدامها في التعلم الآلي والذكاء الاصطناعي.
- القدرة على التعامل مع البيانات المهيكلة وغير المهيكلة على نطاق واسع.
- خبرة في معماريات تدفق البيانات والبيانات الآنية، بما فيها Kafka وخطوط المعالجة القائمة على الأحداث.
- خبرة في أطر الحوسبة الموزعة.
- خبرة في خدمات الذكاء الاصطناعي السحابية الأصلية مثل Azure AI وAWS SageMaker.
- خبرة في الحاويات والتنسيق.
- خبرة عملية في أطر الذكاء الاصطناعي الوكيلي أو أدوات التنسيق، وفي الأنظمة البيئية الرئيسية لمنصات الذكاء الاصطناعي والبيانات.
- خبرة في نقل حلول الذكاء الاصطناعي من النموذج الأولي إلى الإنتاج الموثوق والخاضع للمراقبة على نطاق واسع.
- سجل حافل بتحقيق التحول في الأعمال عبر البيانات والذكاء الاصطناعي.
- حكم تجاري قوي وقدرة على شرح الموضوعات التقنية المعقدة لجمهور غير تقني.
- خبرة في مؤسسات متعددة الجنسيات أو ذات هيكل مصفوفي.
- يجب إرفاق سيرة ذاتية بالطلب.
- يجب على المرشح الذي يقع عليه الاختيار اجتياز فحص الخلفية الجنائية.
- قد يُطلب من المرشح اجتياز فحص مخدرات قبل التوظيف.
- يجب أن يكون المتقدمون مخولين للعمل بشكل دائم في الولايات المتحدة عند التقديم، باستثناء موظفي دايملر للشاحنات في أمريكا الشمالية الحاليين الذين يعملون بموجب تأشيرة أمريكية قائمة لدى الشركة.
- يفضّل الحصول على درجة متقدمة في علوم الحاسوب أو الذكاء الاصطناعي أو علوم البيانات أو مجال ذي صلة.
- تُعد الخبرة مع مجموعات البيانات الكبيرة والحوسبة الموزعة ميزة إضافية.
- تُعد الخبرة في استخدام GitHub أو منصة تطوير تعاونية مماثلة ميزة إضافية.
- تُعد الخبرة ببيانات التصنيع أو التمويل أو خدمات ما بعد البيع ميزة إضافية.
- تُعد المعرفة بأطر اللوائح الإقليمية وقوانين خصوصية البيانات ميزة إضافية.
- تُعد المهارات متعددة اللغات أو الخبرة في العمل عبر ثقافات متنوعة ميزة إضافية.
- تُعد الريادة الفكرية المثبتة من خلال المنشورات أو المشاركات في الفعاليات ميزة إضافية.
المزايا
- لا تُقدَّم مساعدة على الانتقال لهذا المنصب.
- جدول عمل هجين يتضمن أربعة أيام في المكتب ويومًا واحدًا عن بُعد أسبوعيًا.
- تكافؤ فرص العمل؛ تتوفر الترتيبات التيسيرية أو المساعدة الخاصة أثناء إجراءات التقديم.
- قد تتضمن إجراءات التوظيف فحصًا للمخدرات قبل التوظيف وفحصًا للخلفية الجنائية.