كيف يبدو يوم عمل عالم بيانات خبير في شركة ذكاء اصطناعي؟ استكشاف المهام اليومية والتعاون مع الفرق لبناء نماذج تعلم آلي تدفع قرارات العمل الاستراتيجية.
الساعة السابعة والنصف صباحاً، يفتح جهاز اللابتوب في مكتبه الصغير بالمنزل. القهوة الساخنة إلى جانبه، والشاشة تضيء بملف Jupyter Notebook مفتوح من الأمس. يبدأ اليوم بمراجعة سريعة للنتائج التي توصل إليها قبل أن يغلق الجهاز: نموذج التصنيف الذي دربه على بيانات العملاء يبدو واعداً، لكن الدقة لا تزال دون المستوى المطلوب. يضع ملاحظة ذهنية لتجربة خوارزمية أخرى بعد الاجتماع الصباحي
في الثامنة والنصف، يدخل إلى مقر شركة الرؤية الذكية في القاهرة. مكتب مفتوح التصميم، شاشات كبيرة معلقة على الجدران تعرض لوحات معلومات حيّة عن أداء النماذج المنتشرة في الإنتاج. يجتمع الفريق المكون من ثلاثة علماء بيانات ومهندس تعلم آلي واحد في غرفة الاجتماعات الزجاجية. يبدأ الاجتماع بمراجعة سريعة للتحديثات: هل وصلت البيانات الجديدة من فريق الهندسة؟ هل هناك أي أعطال في خطوط الإنتاج؟
يستمع بتركيز بينما يقدم زميله تحديثاً عن مشكلة في جودة البيانات الواردة من أحد العملاء. يتطرق الحديث إلى كيفية تنظيف هذه البيانات قبل إدخالها في النموذج. هنا، يظهر دور الخبرة: بدلاً من الاعتماد على أدوات التنظيف التلقائية فقط، يقترح تعديلاً في منطق الفلترة باستخدام Python لضمان استبعاد القيم الشاذة دون فقدان معلومات مهمة. يكتب بضعة أسطر من الكود على السبورة البيضاء ليوضح فكرته، ويطلب من مهندس البيانات تجربة هذا الحل قبل نهاية اليوم.
بعد الاجتماع، يعود إلى مكتبه ليبدأ العمل على المهمة الرئيسية لهذا الأسبوع: تحسين نموذج التوقع الذي يستخدمه قسم التسويق لتحديد العملاء المحتملين الأكثر استجابة للعروض الترويجية. يفتح قاعدة البيانات عبر SQL لاستخراج عينة جديدة من البيانات، ثم ينقلها إلى بيئة Python ليطبق عليها خوارزميات مختلفة. Scikit-learn، XGBoost، وأحياناً حتى تجارب بسيطة باستخدام الإحصاء التقليدي مثل الانحدار اللوجستي.
المهم هنا ليس فقط بناء نموذج بدقة عالية، بل أيضاً فهم لماذا يعمل النموذج بهذه الطريقة. يقوم بتحليل أهمية الميزات، ويكتب تقريراً قصيراً يشرح فيه كيف تؤثر المتغيرات المختلفة على النتائج. هذا التقرير لن يقرأه علماء بيانات آخرون فقط، بل أيضاً مديرو المنتجات والمسؤولون التنفيذيون الذين يحتاجون إلى فهم منطقي وراء التوصيات التي يقدمها النموذج.
في منتصف النهار، ينضم إليه أحد أعضاء فريق المنتج لمناقشة كيفية دمج النموذج في التطبيق الرئيسي للشركة. يشرح له مطور الواجهة الخلفية كيف سيتلقى التطبيق تنبؤات النموذج عبر API، ويسأل عن الوقت المتوقع لتنفيذ هذه الميزة. هنا، تظهر أهمية التعاون: يجب أن يكون النموذج ليس فقط دقيقاً، بل أيضاً سريعاً في الاستجابة وقابلاً للتوسع مع زيادة عدد المستخدمين.
بعد الظهر، يأتي وقت التحدي الأكبر: مراجعة نموذج قديم كان قد بناه قبل ستة أشهر. اكتشف الفريق أن أداء هذا النموذج بدأ في التدهور مؤخراً، ربما بسبب تغير سلوك المستخدمين. يبدأ بتحليل البيانات الجديدة، ويكتشف أن هناك متغيراً جديداً لم يكن موجوداً في البيانات الأصلية يؤثر بشكل كبير على النتائج. يقضي الساعتين التاليتين في إعادة تدريب النموذج وإضافة هذا المتغير، ثم يقارن النتائج قبل وبعد التعديل.
اللحظة المُرضية تأتي عندما يرى أن التعديلات أدت إلى تحسين الدقة بنسبة 8%. يرسل رسالة سريعة إلى الفريق يشاركهم فيها النتائج، ويتلقى ردود فعل إيجابية من مدير المنتج الذي كان قلقاً بشأن تراجع أداء النظام. هذه اللحظات هي التي تجعل العمل مجزياً: عندما ترى أن خوارزمياتك لها تأثير حقيقي على القرارات التجارية.
قبل نهاية اليوم، يجتمع مرة أخرى مع فريق البيانات لمراجعة التقدم المحرز في مشروع جديد يتعلق بتحليل الصور باستخدام تقنيات الرؤية الحاسوبية. يقدم بعض النصائح حول كيفية تحسين دقة النموذج باستخدام تقنيات مثل Data Augmentation، ويحدد موعداً لمراجعة النتائج في الأسبوع التالي.
في نهاية اليوم، يغلق جهاز اللابتوب وهو يشعر بالإرهاق ولكن أيضاً بالرضا. هذا الدور ليس مجرد كتابة أكواد وتدريب نماذج، بل هو مزيج من التحليل العميق، والتعاون مع فرق متعددة، والقدرة على ترجمة البيانات إلى قرارات عملية. يتطلب الأمر أكثر من مجرد معرفة Python وSQL: يحتاج إلى فهم عميق لكيفية عمل الأعمال، وصبر لتحليل البيانات بدقة، ومهارات تواصل لتوضيح النتائج لغير المتخصصين.
الشركة تبحث عن شخص لديه خبرة لا تقل عن خمس سنوات في مجال علم البيانات، مع سجل حافل في بناء نماذج تعلم آلي تُستخدم فعلاً في الإنتاج. يجب أن يكون قادراً على العمل بشكل مستقل ولكن أيضاً كجزء من فريق، وأن يمتلك القدرة على التعامل مع البيانات الكبيرة والمعقدة. الأجر المقدم، الذي يتراوح بين 14000 و16000 جنيه مصري، يعكس مستوى المسؤولية والخبرة المطلوبة لهذا الدور.
إذا كنت تبحث عن دور يجمع بين التحدي التقني والتأثير الحقيقي على الأعمال، فهذا قد يكون المكان المناسب لك. ليس مجرد وظيفة، بل فرصة للمساهمة في بناء أنظمة ذكاء اصطناعي تُحدث فرقاً في السوق المصري.
البيانات وحدها لا تكفي، المهم هو كيف تحولها إلى قرارات ذكية تدفع العمل إلى الأمام.
— عالم بيانات في شركة الرؤية الذكية