حول الدور كعالم بيانات في Aspire، ستكون مسؤولاً عن بناء وصيانة حلول تعلم آلي في الإنتاج ضمن بيئة سحابية. يركّز هذا الدور على تطوير نماذج ML قابلة للتوسع، والتعاون مع فرق متعددة الوظائف، ودعم اتخاذ القرار المستند إلى البيانات عبر المؤسسة. ستعمل ضمن مناطق توقيت الولايات المتحدة (PST إلى EST) وتعمل في بيئة فريق موزّع وتفضّل العمل عن بُعد.
ما ستقوم به
- تطوير ونشر وصيانة نماذج تعلم آلي في الإنتاج.
- إجراء تحليل استكشافي للبيانات وهندسة الميزات لاستخراج رؤى قابلة للتنفيذ.
- بناء وتحسين خطوط أنابيب البيانات التي تدعم سير عمل ML والأتمتة.
- التعاون مع فرق الهندسة وأصحاب المصالح التجارية لتقديم حلول ML قابلة للتوسع.
- الإسهام في قدرات مبنية على AI/LLM حيثما كان ذلك مناسباً لتعزيز عروض المنتج.
- مراجعة وتحسين أداء النموذج في بيئات الإنتاج (ليس فقط التطوير المستند إلى الدفتر).
- توثيق جميع الإجراءات والتكوينات والتغييرات بصورة دقيقة وقابلة للتدقيق.
الملف الأمثل للمرشح
ما ستحتاجه
- خبرة 2+ سنوات في بناء وصيانة نماذج تعلم آلي في الإنتاج.
- مهارات برمجة بايثون قوية.
- خبرة مع AWS SageMaker أو منصة ML مؤسسة أخرى تدعم خطوط أنابيب ML في الإنتاج (مثل Vertex AI أو Azure ML).
- خبرة في نشر ومراقبة نماذج ML في الإنتاج (ليس فقط التطوير المستند إلى notebooks).
- SQL متقدم.
- Git/إدارة الإصدارات.
- القدرة على العمل بشكل مستقل في بيئات الإنتاج.
- خبرة مع أدوات MLOps (MLflow، Airflow، dbt، أو ما شابه).
- Snowflake.
- خبرة في التسويق، النمو، التجارب، أو الاستدلال السببي.
- خبرة مع LLMs أو وكلاء AI.
- ممارسات تطوير رشيدة ( Agile).
- خبرة في بناء حلول ML قابلة للتوسع في بيئات المؤسسات.
- إلمام بمنصات ML السحابية وممارسات نشر الإنتاج.
- مهارات تواصل قوية والقدرة على العمل مع فرق متعددة الوظائف.
- إلمام بمناطق توقيت الولايات المتحدة (PST إلى EST) وتدفقات التعاون عن بُعد.
About the Role As a Data Scientist at Aspire, you will be responsible for building and maintaining production machine learning solutions in a cloud environment. This role focuses on developing scalable ML models, collaborating with cross-functional teams, and supporting data-driven decision making across the organization. You will work within US time zones (PST to EST) and operate in a remote-first, distributed team environment.
What You'll Do
- Develop, deploy, and maintain production machine learning models.
- Perform exploratory data analysis and feature engineering to extract actionable insights.
- Build and improve data pipelines that support ML workflows and automation.
- Collaborate with engineering and business stakeholders to deliver scalable ML solutions.
- Contribute to AI/LLM-based capabilities where applicable to enhance product offerings.
- Monitor and optimize model performance in production environments (not only notebook-based development).
- Document all procedures, configurations, and changes in a clear, auditable manner.
Desired Candidate Profile
What You'll Need
- 2+ years of experience building and maintaining production machine learning models.
- Strong Python programming skills.
- Experience with AWS SageMaker or another enterprise ML platform (e.g., Vertex AI or Azure ML) supporting production ML pipelines.
- Experience deploying and monitoring ML models in production (not only notebook-based development).
- Advanced SQL.
- Git/version control.
- Ability to work independently in production environments.
- Experience with MLOps tools (MLflow, Airflow, dbt, or similar).
- Snowflake.
- Marketing, growth, experimentation, or causal inference experience.
- Experience with LLMs or AI agents.
- Agile development practices.
- Experience building scalable ML solutions in enterprise environments.
- Familiarity with cloud-based ML platforms and production deployment best practices.
- Strong communication skills and ability to work with cross-functional teams.
- Familiarity with US time zones (PST to EST) and remote collaboration workflows.