مهندس تطبيقات

تسعى شركة SWATX إلى تعيين منسق مخصص للخدمات المدارة لمراقبة عمليات الخدمات المدارة وتحسينها. في هذا الدور الحيوي، ستكون مسؤولاً عن تنسيق تقديم الخدمات، وإدارة علاقات العملاء، وضمان تلبية الخدمات المدارة وتخطي توقعات العملاء. كما ستكون الجسر بين العملاء وفرق الدعم الفني، وتعمل على تعزيز التواصل والتعاون لتحقيق أداء خدمة مثالي. المتطلبات المسؤوليات الرئيسية: تنسيق تقديم الخدمات المدارة للعملاء، وضمان التنفيذ في الوقت المناسب وبجودة عالية وفق اتفاقيات الخدمة. إقامة وصيانة اتصال فعّال مع العملاء لفهم احتياجاتهم ومتطلباتهم. تتبع وإدارة طلبات الخدمة، وحالات الأعطال، وطلبات التصعيد، مع ضمان الحل السريع ورضا العملاء. التعاون مع الفرق التقنية لمواءمة الخدمات مع توقعات العملاء والقدرات التشغيلية. مراقبة مؤشرات أداء الخدمة، وإعداد التقارير حول مستويات الخدمة، واقتراح التحسينات عند الحاجة. المساعدة في إعداد خطط المشاريع، والجداول الزمنية، والوثائق المتعلقة بتقديم الخدمات. دعم عملية استقبال العملاء والخدمات الجديدة. المشاركة الفعّالة في اجتماعات الفريق والمساهمة في تحسين عمليات تقديم الخدمة باستمرار. المؤهلات والمهارات: درجة البكالوريوس في إدارة الأعمال، أو تكنولوجيا المعلومات، أو مجال ذي صلة. خبرة تتراوح بين 1 و3 سنوات في دور تقديم الخدمات أو التنسيق، ويفضل أن تكون ضمن مجال الخدمات المدارة. مهارات تنظيمية قوية والقدرة على إدارة مشاريع متعددة في آنٍ واحد. مهارات اتصال وتفاعل شخصي ممتازة. إجادة استخدام أدوات وبرامج إدارة المشاريع. فهم لمبادئ وممارسات إدارة خدمات تكنولوجيا المعلومات. القدرة على العمل بشكل مستقل أو ضمن فريق.

نحن نبحث عن عالم بيانات لتصميم وتطوير نماذج التعلم الآلي (ML) في مجالات مختلفة لاكتشاف الأنماط من أنواع متنوعة على نطاق واسع وكميات كبيرة من مجموعات البيانات. ستستخدم بشكل أساسي تقنيات التعلم العميق (وغيرها من تقنيات التعلم الآلي) لحل مشكلات مختلفة في محركات التوصيات، والروبوتات المحادثة، ومعالجة اللغة الطبيعية (NLP)، و المجالات الأخرى. سنعتمد عليك لبناء منتجات بيانات لاستخلاص رؤى تجارية قيمة. في هذا الدور، يجب أن تكون تحليليًا للغاية ومتمكنًا من التحليل والرياضيات والإحصاء. مهارات التفكير النقدي وحل المشكلات ضرورية لتفسير البيانات. ونرغب أيضًا في رؤية شغف بالتعلم الآلي والبحث. هدفك سيكون مساعدة شركتنا في تحليل الاتجاهات لاتخاذ قرارات أفضل. المهام والمسؤوليات تحليل البيانات الأولية: تقييم الجودة، والتنظيف، ومعالجة ما قبل المعالجة، وهيكلة البيانات للتعامل معها لاحقًا. إجراء أنشطة البحث والتطوير، واستكشاف البيانات واكتشافها باستخدام ممارسات علم البيانات والتعلم الآلي (ML). تطوير وتطبيق واختبار وتنفيذ نماذج علم البيانات والتعلم الآلي لمجموعة واسعة من مجموعات البيانات التي تم جمعها من مصادر بيانات مختلفة مثل الأسواق الإلكترونية ومنصات التجارة الإلكترونية ووسائل التواصل الاجتماعي ومصادر الويب. تصميم وتطوير نماذج تعلم آلي دقيقة وقابلة للتوسع في مجالات وتطبيقات مختلفة، تشمل على سبيل المثال لا الحصر محركات التوصيات، والروبوتات المحادثة، ومعالجة اللغة الطبيعية، واستخراج النصوص، واختيار/تمثيل السمات القائمة على النصوص، والتحسين والنمذجة التنبؤية. استخدام مجموعة متنوعة من الأدوات والأساليب لحل الأهداف التجارية المعقدة، من محركات التوصيات، والروبوتات المحادثة، ومعالجة اللغة الطبيعية (NLP)، والتعلم الآلي/التعلم العميق، ومعالجة الصور، ومعالجة الكلام، والتعلم القائم على القواعد، والرسوم البيانية المعرفية. تصميم عروض خدمات وحلول جديدة في مجال التجارة الإلكترونية وفي مجالات مختلفة. مواكبة أحدث الاتجاهات والتكنولوجيا في مجالات علم البيانات والتعلم الآلي. العمل بشكل وثيق مع مهندسي البيانات فيما يتعلق بطلبات البيانات، ومع مسؤولي ضمان جودة البيانات في قضايا سلامة البيانات. العمل بشكل وثيق مع محللي الأعمال وفرق تطوير المنتجات لفهم متطلباتهم وتنفيذها. التعاون مع فرق تحليل البيانات الكبيرة ومطوري البرمجيات لتحويل الأفكار والنماذج والنماذج الأولية إلى حلول كاملة. العمل بشكل وثيق مع الفرق متعددة الوظائف لتحديد التحديات والمشكلات واقتراح حلول الذكاء الاصطناعي المحتملة. المتطلبات درجة البكالوريوس في مجال كمي (الإحصاء، الرياضيات، علوم الحاسوب، الهندسة، إلخ)؛ يُفضل الحصول على درجة جامعية عليا في علم البيانات أو أي مجال كمي آخر. خبرة لا تقل عن 4-5 سنوات كعالم بيانات (تحليل كمي ونمذجة البيانات). فهم عميق لنماذج التنبؤ، والتعلم الآلي، وتقنيات وأساليب التجميع والتصنيف، والخوارزميات. خبرة في تطبيقات ومجالات التعلم الآلي (يُفضل الخبرة في محركات التوصيات، ومعالجة اللغة الطبيعية، ونماذج اللغة، والروبوتات المحادثة). معرفة قوية وخبرة عملية واسعة مع النماذج الكبيرة للغة (LLMs)، بما في ذلك اختيار النموذج، والضبط الدقيق، والنشر، وهندسة الأوامر (prompt engineering) للتطبيقات الواقعية. خبرة في خوارزميات وتقنيات التعلم العميق. إجادة اللغة بايثون (تُعد معرفة لغات أخرى مثل نصوص Shell، C++، .Net، Java، Matlab، R، ... إلخ أمرًا مفضلًا). خبرة في مكتبات بايثون (TensorFlow، Keras، Pandas، Sklearn). إجادة ممتازة للخوارزميات والبرمجة الكائنية التوجه (OOP). معرفة بتقنيات قواعد البيانات (التصميم والتنفيذ) ولغة الاستعلام. معرفة بإطارات العمل الخاصة بالبيانات الكبيرة وأدوات التصور (مثل ElasticSearch، Cassandra، Hadoop، Spark) يُعد أمرًا مفضلًا. مهارات تنظيمية ومهارات إدارة مشاريع قوية. مهارات جيدة في حل المشكلات. مهارات تواصل وعرض ممتازة. المزايا تأمين صحي طبي مكافأة أداء أخرى

نحن نبحث عن عالم بيانات لتصميم وتطوير نماذج التعلم الآلي (ML) في مجالات مختلفة لاكتشاف الأنماط من أنواع متنوعة وكميات كبيرة من مجموعات البيانات. ستستخدم بشكل رئيسي تقنيات التعلم العميق (وغيرها من تقنيات التعلم الآلي) لحل مشكلات مختلفة في محركات التوصية، والروبوتات المحادثة، ومعالجة اللغة الطبيعية (NLP) وغيرها من المجالات. سنعتمد عليك لبناء منتجات بيانات لاستخراج رؤى تجارية قيمة. في هذا الدور، يجب أن تكون تحليليًا للغاية، ولديك مهارة في التحليل، والرياضيات، والإحصاء. مهارات التفكير النقدي وحل المشكلات ضرورية لتفسير البيانات. ونريد أيضًا أن نرى شغفًا بالتعلم الآلي والبحث. سيكون هدفك مساعدة شركتنا في تحليل الاتجاهات لاتخاذ قرارات أفضل. المهام والمسؤوليات تحليل البيانات الأولية: تقييم الجودة، التنظيف، المعالجة المسبقة، وهندسة البيانات للعمليات اللاحقة. إجراء أنشطة البحث والتطوير، واستكشاف البيانات واكتشافها باستخدام ممارسات علم البيانات والتعلم الآلي (ML). تطوير وتطبيق واختبار وتنفيذ نماذج علم البيانات والتعلم الآلي لمجموعة واسعة من مجموعات البيانات التي تم جمعها من مصادر بيانات مختلفة مثل الأسواق الإلكترونية ومنصات التجارة الإلكترونية ووسائل التواصل الاجتماعي ومصادر الويب. تصميم وتطوير نماذج تعلم آلي دقيقة وقابلة للتوسع في مجالات وتطبيقات مختلفة، تشمل على سبيل المثال لا الحصر محركات التوصية، والروبوتات المحادثة، ومعالجة اللغة الطبيعية، واستخراج النصوص، واختيار/تمثيل السمات القائمة على النصوص، والتحسين والنماذج التنبؤية. استخدام مجموعة متنوعة من الأدوات والأساليب لحل أهداف تجارية معقدة، تشمل محركات التوصية، والروبوتات المحادثة، ومعالجة اللغة الطبيعية (NLP)، والتعلم الآلي/التعلم العميق، ومعالجة الصور، ومعالجة الكلام، والتعلم القائم على القواعد، والرسوم البيانية للمعرفة. تصميم عروض خدمات وحلول جديدة في مجال التجارة الإلكترونية ومجالات مختلفة. مواكبة أحدث الاتجاهات والتكنولوجيات في مجالات علم البيانات والتعلم الآلي. العمل بشكل وثيق مع مهندسي البيانات في الطلبات المتعلقة بالبيانات، ومع مسؤولي ضمان جودة البيانات في قضايا سلامة البيانات. العمل بشكل وثيق مع محللي الأعمال وفرق تطوير المنتجات لفهم متطلباتهم وتنفيذها. التعاون مع فرق تطوير البيانات الضخمة والبرمجيات لتحويل الأفكار والنماذج والنماذج الأولية إلى حلول كاملة. العمل بشكل وثيق مع الفرق متعددة الوظائف لتحديد التحديات والمشكلات واقتراح حلول ذكاء اصطناعي محتملة. المتطلبات درجة البكالوريوس في مجال كمي (الإحصاء، الرياضيات، علوم الحاسوب، الهندسة، إلخ)؛ يُفضل الحصول على درجة جامعية عليا في علم البيانات أو أي مجال كمي آخر. خبرة لا تقل عن 4 إلى 5 سنوات كعالم بيانات (تحليل كمي ونمذجة البيانات). فهم عميق لنماذج التنبؤ، والتعلم الآلي، وتقنيات وأساليب التجميع والتصنيف، والخوارزميات. خبرة في تطبيقات ومجالات التعلم الآلي (تُفضل الخبرة في محركات التوصية، ومعالجة اللغة الطبيعية، ونماذج اللغة، والروبوتات المحادثة). معرفة قوية وخبرة عملية واسعة مع النماذج الكبيرة للغة (LLMs)، بما في ذلك اختيار النموذج، والضبط الدقيق، والنشر، وهندسة الأوامر (Prompt Engineering) للتطبيقات الواقعية. خبرة في خوارزميات وتقنيات التعلم العميق. إتقان لغة بايثون (تُفضل لغات برمجة أخرى مثل نصوص Shell، C++، .Net، Java، Matlab، R، وغيرها). خبرة في مكتبات لغة بايثون (Tensorflow، Keras، Pandas، Sklearn). إجادة ممتازة للخوارزميات والبرمجة كائنية التوجه. إلمام بتقنيات قواعد البيانات (التصميم والتنفيذ) ولغة الاستعلام. يُفضل الإلمام بإطارات العمل الخاصة بالبيانات الضخمة وأدوات التصور (ElasticSearch، Cassandra، Hadoop، Spark). مهارات تنظيمية ومهارات إدارة مشاريع قوية. مهارات جيدة في حل المشكلات. مهارات اتصال وعرض ممتازة. المزايا تأمين صحي طبي مكافأة أداء أخرى

دعم التطبيقات الكمية: 2 الراتب: مرن المتطلبات السعوديون فقط خبرة من 1 إلى 8 سنوات إدارة بيئة إنتاج التطبيقات مع معرفة بإدارة خوادم نظام التشغيل Windows ونظام التشغيل Linux. اتباع السياسات والإجراءات الخاصة بإدارة التغيير ومعايير الحوكمة التقنية. مراجعة وتقييم تقارير الأمن السيبراني وإغلاق الثغرات وتقديم تقرير الإغلاق مع الأدلة. معرفة في التطوير: خبرة في مخرجات التطوير بما في ذلك الملفات المُجمعة وملفات التهيئة الخاصة بإدارة تطبيقات الويب وخوادم الويب. استكشاف أخطاء التطبيقات الحية وإصلاحها بالتعاون مع فرق البنية التحتية (الأنظمة، الشبكات، والأمن التقني) وتقديم تقرير التحليل الجذري. الدعم من المستوى الثالث: تقديم دعم فني متقدم واستكشاف الأخطاء وإصلاحها للمشاكل المعقدة في التطبيقات. إدارة الحوادث: التحقيق في الحوادث وتشخيصها وحلها، بما في ذلك أخطاء البرمجيات ومشاكل الأداء وانقطاعات النظام. إدارة المشكلات: تحليل الحوادث المتكررة وتحديد الأسباب الجذرية وتطبيق الإجراءات الوقائية. مراقبة التطبيقات: مراقبة أداء التطبيقات وتحديد المشكلات المحتملة بشكل استباقي واتخاذ الإجراءات التصحيحية. دعم المستخدمين: مساعدة المستخدمين في الأسئلة المتعلقة بالتطبيقات وتوفير الإرشادات حول أفضل الممارسات وعقد جلسات تدريب عند الحاجة. ترقيات التطبيقات ونشرها: المشاركة في تخطيط واختبار ونشر ترقيات التطبيقات والتصحيحات. التوثيق: الحفاظ على توثيق دقيق ومحدث لإعدادات التطبيقات وإجراءات استكشاف الأخطاء وإصلاحها والمقالات الأساسية للمعرفة. إدارة الموردين: التنسيق مع موردي البرمجيات للحصول على الدعم الفني وإصلاح الأخطاء وحل المشكلات الحرجة. المشاركة في المشاريع: المساهمة في مشاريع تقنية المعلومات المتعلقة بتنفيذ التطبيقات ودمجها وتحسينها. التحسين المستمر: مواكبة أحدث التقنيات وأفضل الممارسات في دعم التطبيقات. DevSecOps: أداء أنشطة منتظمة في دورة حياة التطوير وإدارة خطوط الإنتاج والتهيئة والصيانة. المزايا

مطلوب فرد مؤهل تأهيلاً عالياً لقيادة تقييم وتحويل نظام الميني فريم النشط-النشط (Active-Active). المرشح المثالي يجب أن يمتلك المؤهلات التالية: المسمى الوظيفي: رئيس مهندسي معمارية الميني فريم النشط-النشط / خبير فني المؤهلات والمهارات والخبرات المطلوبة: • خبرة عميقة في أنظمة الميني فريم: • معرفة واسعة بالبنية التحتية لأنظمة الميني فريم، بما في ذلك ZOS وDB2 وCICS. • إجادة الخدمات التابعة لأنظمة الميني فريم مثل الطباعة على الميني فريم وأداة Control-M. • فهم قوي لحلول تخزين الميني فريم مثل DS8000 وإدارة دورة حياة البيانات (DLM). • معرفة متعمقة بأتمتة أنظمة الميني فريم. • إجادة بيئة النشط-النشط (Active-Active) والاسترداد من الكوارث: • خبرة مثبتة في تقييم وتصميم بيئات النشط-النشط لأنظمة الميني فريم. • خبرة في آليات تحقق اتساق البيانات ومزامنتها في إعدادات النشط-النشط. • معرفة بأدوات التكرار المختلفة مثل GDPS وXRC وSRDF. • خبرة في سيناريوهات الفشل والتعافي وتحديد أهداف وقت الاسترداد (RTO). • فهم شامل لتقنية IBM GDPS (نظام سيسبلكس المتوازي الموزع جغرافياً)، بما في ذلك مزاياها ومتطلباتها والتراخيص الخاصة بها والعقبات المحتملة (مثل Metro Mirror وGlobal Mirror وHyperSwap وأجهزة التوجيه المدعومة بـSASP). • منهجية التقييم والتصميم: • قدرة مثبتة على إجراء تقييمات للحالة الراهنة، بما في ذلك تحديد الفجوات والقيود والمتطلبات المسبقة لتحويل النشط-النشط. • خبرة في إعداد تصاميم عامة (HLD) لحلول الميني فريم النشط-النشط. • مهارة في إعداد خارطة طريق للتحويل تتضمن خطط تنفيذ مرحلية، بما في ذلك التكوينات النشطة-الساخنة-الاحتياطية (active-hot-standby). • القدرة على إعداد قائمة بالمكونات (BoM) تشمل ترقيات الأجهزة والترخيص والخدمات المهنية. • خبرة في تحليل التكاليف على المستوى العام. • المعرفة بالإطارات مثل إطار المرونة التشغيلية (ORF) والمعايير مثل ISO 22301 وISO 27001 وDORA وNIST تُعد ميزة إضافية. • مهارات إدارة المشاريع والتواصل: • القدرة على عقد ورش عمل ومقابلات وجلسات استقصاء مع الخبراء والمتعاملين لجمع المعلومات والتحقق من المتطلبات. • مهارات تحليلية قوية لتلخيص البيئات التقنية الحالية وتحديد القضايا الرئيسية. • مهارات تواصل وعرض ممتازة لتقديم النتائج والتوصيات وعروض الإداريين العليا. • القدرة على العمل بشكل مستقل وعن بُعد، مع وجود جزئي في الموقع عند الحاجة. • خبرة في بيئة مشروع صعبة وعاجلة. تفاصيل المشاركة: المدة: حوالي 12 أسبوعاً الجهد: حوالي يومين في الأسبوع (بإجمالي يزيد قليلاً عن شهر عمل) الوقت في الموقع: 10 أيام متضمنة تاريخ البدء: منتصف يوليو تقريباً (قابل للتغيير بمقدار 1–2 أسبوع) البدء عن بُعد: ممكن

مطلوب فرد مؤهل تأهيلاً عالياً لقيادة تقييم وتحويل النظام الرئيسي النشط-النشط (Active-Active). المرشح المثالي يجب أن يمتلك المؤهلات التالية: المسمى الوظيفي: مهندس رئيسي / خبير في هندسة النظام الرئيسي النشط-النشط المؤهلات والمهارات والخبرات المطلوبة: • خبرة متقدمة في الأنظمة الرئيسية: • معرفة واسعة بالبنية التحتية للنظام الرئيسي، بما في ذلك ZOS وDB2 وCICS. • إجادة الخدمات المعتمدة على النظام الرئيسي مثل الطباعة على النظام الرئيسي وControl-M. • فهم قوي لحلول تخزين النظام الرئيسي مثل DS8000، وإدارة دورة حياة البيانات (DLM). • معرفة متعمقة بأتمتة النظام الرئيسي. • إجادة العمل في بيئات النشط-النشط واستعادة الكوارث: • خبرة مثبتة في تقييم وتصميم بيئات النظام الرئيسي النشط-النشط (A-A). • خبرة في آليات اتساق البيانات ومزامنتها في إعدادات النشط-النشط. • معرفة بأدوات النسخ التكراري المختلفة مثل GDPS وXRC وSRDF. • خبرة في سيناريوهات الفشل وتحديد أهداف وقت الاستعادة (RTO). • فهم شامل لـ IBM GDPS (نظام Sysplex المتوازي الموزع جغرافياً)، بما في ذلك مزاياه، المتطلبات الأساسية، الترخيص، والعقبات المحتملة (مثل Metro Mirror، Global Mirror، HyperSwap، والراوترات المدعومة بـ SASP). • منهجية التقييم والتصميم: • قدرة مثبتة على إجراء تقييمات للحالة الراهنة، بما في ذلك تحديد الفجوات والقيود والمتطلبات المسبقة لتحويل النشط-النشط. • خبرة في إعداد تصميمات عالية المستوى (HLD) لحلول النظام الرئيسي النشط-النشط. • مهارة في إعداد خارطة طريق للتحويل تتضمن خططاً للتنفيذ على مراحل، بما في ذلك التكوينات النشطة-الساخنة-الاحتياطية. • القدرة على إعداد قائمة بالمعدات (BoM) تشمل ترقيات الأجهزة، التراخيص، والخدمات المهنية. • خبرة في تحليل التكاليف على مستوى عالٍ. • المعرفة بإطارات العمل مثل إطار المرونة التشغيلية (ORF) والمعايير مثل ISO 22301 وISO 27001 وDORA وNIST تُعد ميزة إضافية. • مهارات المشروع والتواصل: • القدرة على عقد ورش عمل ومقابلات وجلسات استكشاف مع الخبراء والجهات المعنية لجمع المعلومات والتحقق من المتطلبات. • مهارات تحليلية قوية لتلخيص بيئات تكنولوجيا المعلومات الحالية وتحديد القضايا الرئيسية. • مهارات تواصل وعرض ممتازة لتقديم النتائج والتوصيات والعروض الإدارية. • القدرة على العمل بشكل مستقل وعن بُعد، مع وجود بعض الحضور المادي حسب الحاجة. • خبرة في بيئة مشروعات صعبة وعاجلة. تفاصيل المشاركة: المدة: حوالي 12 أسبوعاً الجهد: حوالي يومين في الأسبوع (بإجمالي يزيد قليلاً عن شهر عمل) الوقت في الموقع: يشمل 10 أيام تاريخ البدء: يُفضل منتصف يوليو (قابل للتغيير بمقدار 1–2 أسبوع) البدء عن بُعد: ممكن