GitLab
GitLab
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
بازاریابیمشاورههوش مصنوعی
GitLab یک پلتفرم DevSecOps مبتنی بر هوش مصنوعی توسعه می‌دهد که توسعه نرم‌افزار، امنیت و عملیات را در یک محیط واحد گرد هم می‌آورد. محصولات این شرکت در سراسر چرخه عمر ارائه نرم‌افزار از مدیریت کد منبع، توسعه با کمک هوش مصنوعی، خودکارسازی CI/CD، انطباق و مدیریت آسیب‌پذیری‌ها پشتیبانی می‌کنند. GitLab به سازمان‌هایی خدمت می‌کند که می‌خواهند جریان‌های کاری مهندسی، امنیت و عملیات را هماهنگ کرده و نرم‌افزار را با کارایی بیشتری ارائه دهند. افرادی که به دنبال فرصت‌های شغلی در GitLab هستند ممکن است با موقعیت‌هایی در مهندسی نرم‌افزار، زیرساخت ابری، امنیت سایبری، هوش مصنوعی، توسعه محصول و دیگر حوزه‌های پشتیبان پلتفرم یکپارچه این شرکت روبه‌رو شوند.

مدیر مهندسی تحلیل در گیت‌لب (دورکاری، ایالات متحده)

رهبری تیم مهندسی تحلیل گیت‌لب را بر عهده بگیرید و راهبرد داده برای پلتفرم DevSecOps آن را شکل دهید. مدل‌های معنایی قابل‌اعتماد، دسترسی به داده با کمک هوش مصنوعی، ابزارهای BI و برنامه‌های داده در سراسر شرکت بسازید.

توضیحات

  • رهبری تیمی هشت‌نفره را بر عهده بگیرید که به معاون داده و بینش گزارش می‌دهد.
  • جهت‌گیری سازمان داده را تعیین کنید و تصمیم‌های فنی آن را هدایت کنید.
  • با تیم‌های مهندسی داده، علم داده، فناوری اطلاعات و رهبران کسب‌وکار همکاری کنید.
  • یک مدل معنایی قابل‌اعتماد با معیارهای حاکمیت‌شده و تعریف‌های کسب‌وکار توسعه دهید و نگهداری کنید.
  • مجموعه‌داده‌های ارزیابی و حقیقت مبنا بسازید تا کیفیت پاسخ سنجیده و پسرفت‌ها شناسایی شوند.
  • میزان استفاده از مدل معنایی و ابزارهای هوش مصنوعی را از طریق تله‌متری پیگیری کنید.
  • سامانه‌ای برای انتخاب مدل بسازید که کارها را میان LLMها مسیریابی کند و میان هزینه و کیفیت تعادل برقرار سازد.
  • مدل‌سازی داده و مجموعه‌داده‌های گزینش‌شده خودخدمتی، از جمله مالکیت، قراردادهای داده، آزمون و مستندسازی را مدیریت کنید.
  • دسترسی هوش مصنوعی به داده را در BI، Claude، سرورهای MCP و عامل‌های Slack تعریف کنید.
  • راهبرد BI سازمانی و ابزارهای خودخدمتی را با درنظرگرفتن ارزیابی، پذیرش و هزینه تعیین کنید.
  • منابع خودخدمتی مانند مهارت‌های Claude، مستندات و گردش‌کارهای هدایت‌شده توسعه دهید.
  • برنامه‌های داده در سطح شرکت بسازید که داده‌های Snowflake، APIها، تحلیل هوش مصنوعی و نوشتن داده در Postgres یا Snowflake را یکپارچه کنند.
  • استانداردهای مهندسی برای امنیت برنامه، احراز هویت، آزمون، استقرار و پایش ایجاد کنید.
  • نقشه راه بلندمدت و مدل عملیاتی پشتیبان راهبرد شرکت را تعیین کنید.
  • تیمی هشت‌نفره و پربازده را استخدام کنید، پرورش دهید و حفظ کنید.
  • به‌عنوان کاربر اولیه داخلی، از GitLab و GitLab Duo در گردش‌کارهای داده استفاده کنید و بازخورد خود را با تیم‌های محصول و مهندسی در میان بگذارید.

شرایط لازم

  • حداقل ۱۲ سال سابقه در مهندسی تحلیل، مهندسی داده یا BI داشته باشید.
  • حداقل ۵ سال تجربه رهبری تیم داشته باشید.
  • حداقل ۲ سال تجربه مدیریت مدیران یا سرپرستان ارشد داشته باشید.
  • در مدل‌سازی داده و لایه معنایی، مانند dbt Semantic Layer، نماهای معنایی Snowflake، LookML یا Cube، تخصص عمیق داشته باشید.
  • در dbt، از جمله آزمون و CI/CD در پروژه‌های چندتیمی، مهارت بالایی داشته باشید.
  • تجربه عملی ساخت دسترسی به داده مبتنی بر LLM داشته باشید؛ از جمله text-to-SQL، عامل‌ها، سرورهای MCP، ارزیابی‌ها و تله‌متری کیفیت پاسخ.
  • در استفاده پیشرفته از عامل‌های کدنویسی هوش مصنوعی مانند Claude Code مهارت داشته باشید.
  • در SQL مهارت تخصصی و در Snowflake تجربه قوی داشته باشید.
  • دانش کاربردی Python داشته باشید.
  • تجربه قوی حاکمیت داده داشته باشید که کیفیت داده، تبار داده، مجموعه‌داده‌های تأییدشده و کنترل‌های دسترسی مانند RBAC، دسترسی ردیفی و سیاست‌های پوشاندن داده را دربرگیرد.
  • سابقه اثبات‌شده رهبری ابتکارهای داده میان‌وظیفه‌ای از راهبرد تا پذیرش و اثر قابل‌اندازه‌گیری بر کسب‌وکار داشته باشید.
  • در استفاده از BI سازمانی و ابزارهای خودخدمتی در مقیاس بزرگ تجربه داشته باشید.
  • توانایی استفاده از GitLab، کار مؤثر در شرکتی کاملاً دورکار و ناهم‌زمان، الگوسازی برای شایستگی‌های کاری دورکار GitLab و عمل مطابق ارزش‌های آن را داشته باشید.
  • ترجیحی: تجربه کار با ابزارهای مسیریابی یا درگاه LLM و مدیریت هزینه مدل.
  • ترجیحی: تجربه کار با Tableau، Omni یا مهاجرت پلتفرم BI.
  • ترجیحی: تجربه توسعه برنامه‌های وب با ابزارهایی مانند React، TypeScript و Postgres.
  • ترجیحی: تجربه مالکیت داده‌های حیاتی برای امور مالی یا درآمد.

مزایا

  • مزایایی برای پشتیبانی از سلامت، امور مالی و رفاه.
  • مرخصی باحقوق انعطاف‌پذیر.
  • گروه‌های منابع اعضای تیم.
  • جبران خدمات مبتنی بر سهام و طرح خرید سهام کارکنان.
  • بودجه رشد و توسعه.
  • مرخصی والدین.
  • کار دورکار برای همه نقش‌ها.
  • ادغام هوش مصنوعی در گردش‌کارهای روزانه به‌عنوان ابزار افزایش بهره‌وری.