مرحبًا بكم في وارنر بروس. ديسكفري... الأشياء التي تُصنع منها الأحلام.

من نحن...

عندما نقول "الأشياء التي تُصنع منها الأحلام"، لا نشير فقط إلى عالم السحرة والتنانين والأبطال الخارقين، أو حتى إلى عجائب كوكب الأرض. خلف محفظة وارنر بروس. ديسكفري الواسعة من المحتوى الأيقوني والعلامات التجارية المحبوبة، يوجد رواة القصص الذين يجلبون شخصياتنا إلى الحياة، والمبدعون الذين يجلبونها إلى غرف معيشتكم والحالمون الذين يخلقون ما هو قادم...

من المبدعين العبقريين إلى رواد التكنولوجيا، تقدم وارنر بروس. ديسكفري فرصًا مهنية محددة، ومزايا مدروسة، والأدوات لاستكشاف وتنمية أفضل ما في أنفسكم. هنا يتم دعمكم، هنا يتم الاحتفال بكم، هنا يمكنكم الازدهار.

مدير أول، هندسة التعلم الآلي (منصة البيانات والجمهور)، حيدر آباد

حول وارنر بروس. ديسكفري

وارنر بروس. ديسكفري، شركة إعلامية وترفيهية عالمية رائدة، تقدم للجمهور أكثر محفظة محتوى متميزة وكاملة من العلامات التجارية والامتيازات عبر التلفزيون، السينما، البث والألعاب. تجمع الشركة الجديدة بين أصول وارنر ميديا الترفيهية المتميزة، والرياضة، والأخبار مع الأعمال الترفيهية والرياضية غير الخيالية الرائدة في ديسكفري.

للمزيد من المعلومات، يرجى زيارة www.wbd.com.

تعرف على فريقنا

وارنر بروس. ديسكفري (WBD) هي موطن لأكثر العلامات التجارية الترفيهية، والأخبار، والرياضة شهرة في العالم - HBO Max، CNN، Discovery+، DC، وارنر بروس، Bleacher Report، Food Network، والعديد غيرها. ضمن منظمة منصة البيانات والجمهور (DAP)، يبني فريق هندسة التعلم الآلي لدينا في حيدر آباد الذكاء الأساسي للذكاء الاصطناعي والتعلم الآلي الذي يدعم الهوية، والجمهور، والإعلانات، والتخصيص عبر كل علامة تجارية من WBD. نحن نحول الإشارات من أول طرف من مئات الملايين من المشاهدين إلى أنظمة تعلم آلي إنتاجية توسع الجماهير القابلة للاستهداف، وتحدد الاستهداف والقياس، وتتنبأ بالطلب، وتخصص اكتشاف المحتوى - مما يدفع مباشرة عائدات الإعلانات، وكفاءة التسويق، والمشاركة، والاحتفاظ.

في WBD، يقوم مهندسو التعلم الآلي بإجراء علوم البيانات الدقيقة ويمتلكون الهندسة التي تجلب النماذج إلى الحياة: خطوط بيانات التعلم الآلي الإنتاجية، وتدريب النماذج وتحسينها، والبنية التحتية للتعلم الآلي - متاجر الميزات، وخطوط التدريب والتقديم، وMLOps - التي تجعل عملنا موثوقًا، وقابلًا للتكرار، وقابلًا للتوسع. نبني بشكل أساسي على Databricks، مع معرفة قوية بـ Snowflake و AWS، ونحن متبنون مبكرون ومتحمسون لعمليات تطوير الذكاء الاصطناعي الوكيلة.

حول الدور

هذه هي التوظيف الأكثر أهمية لبناء هندسة التعلم الآلي في حيدر آباد. كمدير أول لهندسة التعلم الآلي، ستقوم بإنشاء، وقيادة، وتنمية مركز التميز لهندسة التعلم الآلي في حيدر آباد - فريق من سبعة مساهمين فرديين يمتدون عبر ذكاء الهوية، ذكاء الجمهور، نمذجة تفضيلات المحتوى، التنبؤ، وهندسة منصة التعلم الآلي. ستكون القائد المسؤول الوحيد عن التنفيذ الفني للفريق، وتطوير الأفراد، والتسليم عبر الوظائف في الهند، تعمل كامتداد حقيقي لمدير الهندسة. جميع المساهمين الفرديين في التعلم الآلي/علوم البيانات في حيدر آباد يتبعونك، وأنت تتبع مدير الهندسة.

يتطلب هذا الدور مزيجًا استثنائيًا من العمق الفني (يجب أن تكون قادرًا على المشاركة بموثوقية في مناقشات هندسة التعلم الآلي على مستوى الموظفين)، قيادة الأفراد (ستدير سلم مساهمين فرديين متنوعين من MLE 2 إلى موظف)، والتأثير التنظيمي (ستمثل حيدر آباد عبر منظمات البيانات، والمنتجات، والإعلانات العالمية في WBD). أنت لست مجرد مدير - أنت باني، وشريك تقني، وحامل ثقافة.

ما ستفعله

قيادة الفريق وتطوير الأفراد

• إدارة مباشرة لـ 7 مساهمين فرديين (2× MLE 2، 3× MLE كبير، 1× MLE موظف، 1× DS موظف)؛ امتلاك أدائهم، ونموهم، وتطويرهم المهني.

  
  

• إنشاء ثقافة هندسية عالية الأداء: التميز الفني، الملكية، الأمان النفسي، التجريب الدقيق، والتعلم المستمر.

  
  

• تحديد توقعات واضحة للأدوار، ومسارات النمو، ومعايير الترقية المتوافقة مع عائلة وظائف هندسة التعلم الآلي العالمية في WBD؛ إجراء مراجعات الأداء، ومحادثات حول المسار المهني، ومعالجة الفجوات في الأداء بشكل استباقي.

  
  

• قيادة التوظيف لفريق حيدر آباد: تحديد معايير التوظيف، تصميم عمليات المقابلة، جذب أفضل المواهب في التعلم الآلي، وبناء أنبوب محلي قوي ومتعدد الثقافات.

  
  

• تعزيز بيئة شاملة وتعاونية تربط بين مناطق الزمن في الهند والولايات المتحدة بشكل فعال.

  
  

القيادة الفنية والإشراف

• الحفاظ على عمق فني كافٍ لمراجعة مقترحات هندسة التعلم الآلي، وتحدي قرارات التصميم، وإزالة العقبات الفنية عبر جميع مسارات العمل.

  
  

• التعاون مع MLE الموظف لوضع معايير فنية وتطبيقها: ممارسات MLOps، جودة الكود، دقة تقييم النماذج، والتوثيق.

  
  

• امتلاك خارطة الطريق الفنية لأنظمة التعلم الآلي للفريق - ذكاء الهوية، ذكاء الجمهور، تفضيلات المحتوى، التنبؤ - بما يتماشى مع الاستراتيجية العالمية للتعلم الآلي.

  
  

• دفع اعتماد مجموعة الأدوات الأساسية للفريق: Databricks (أساسي)، AWS SageMaker، Snowflake، MLflow، وأدوات الذكاء الاصطناعي الوكيلة (Cursor، Copilot، Amazon Q، Databricks Genie، Snowflake Cortex، MCP).

  
  

• ضمان أنظمة التعلم الآلي الإنتاجية موثوقة، ومراقبة، وفعالة من حيث التكلفة، وتحسينها باستمرار؛ امتلاك موقف الفريق في الاستجابة للحوادث.

  
  

تنفيذ البرامج والتسليم

• امتلاك المسؤولية الكاملة عن تسليم مشاريع التعلم الآلي في حيدر آباد: النطاق، والمعالم، والاعتماديات، والمخاطر، والتواصل مع أصحاب المصلحة.

  
  

• تشغيل عمليات رشيقة فعالة تتكيف مع واقع التعلم الآلي (عدم اليقين في البحث، الاعتماد على البيانات، تكرار التجارب)، مع إيقاعات تخطيط D90 وتوافق OKR ربع السنوية.

  
  

• تحديد وحل الاعتماديات عبر الفرق بشكل استباقي مع هندسة البيانات، والمنتج، ومبيعات الإعلانات، والقانون/الخصوصية.

  
  

• الحفاظ على رؤية واضحة للطاقة، وتوازن الأولويات، والالتزامات؛ التواصل بحالة المخاطر والالتزامات بشفافية مع المدير.

  
  

امتلاك مسارات العمل الرئيسية في التعلم الآلي

• ذكاء الهوية: الإشراف على تسليم العمود الفقري الاحتمالي للهوية - حل الإشارات غير الموثقة (معرفات الأجهزة، ملفات تعريف الارتباط من الطرف الأول) للأسر/الأشخاص مع ثقة محسوبة عبر جميع علامات WBD.

  
  

• ذكاء الجمهور: الإشراف على مُحسن الترويج للتعلم الآلي، STAT v2 (استرجاع التفضيلات الفردية)، نمذجة الشبيهة (LAL 2.0+ في Snowflake DCR)، والتجزئة التي تدعم تفعيل الإعلانات والتسويق.

  
  

• تفضيلات المحتوى والتخصيص: الإشراف على نماذج تفضيلات الأنواع وإشارات التخصيص المستندة إلى المشاركة التي تغذي HBO Max وCNN.

  
  

• التنبؤ: الإشراف على التنبؤات المستندة إلى التعلم الآلي للجمهور، والمشاركة، والعائد/الإيرادات التي تدعم التخطيط المالي، والمحتوى، والتسويق.

  
  

• منصة MLOps: ضمان أن متجر الميزات، وخطوط التدريب/التقديم، وسجل النماذج، والمراقبة للفريق من الدرجة الإنتاجية، موثقة جيدًا، ومتداولة باستمرار.

  
  

القيادة عبر الوظائف والتنظيم

• كونك نقطة الاتصال الأساسية لفريق التعلم الآلي في حيدر آباد عبر المنتج، والتسويق، ومبيعات الإعلانات، وهندسة البيانات، والقانون/الخصوصية، والمالية.

  
  

• بناء علاقات قوية مع القيادة في التعلم الآلي في الولايات المتحدة، وعلوم البيانات، ونظرائهم في هندسة المنصات بحيث تكون حيدر آباد جزءًا متكاملًا - وليس معزولًا - من المنظمة العالمية للتعلم الآلي.

  
  

• التعاون مع المدير في استراتيجية الفريق طويلة المدى، وتخطيط القدرات، وتصميم التنظيم؛ تمثيل WBD ML خارجيًا حيثما كان ذلك مناسبًا (علامة تجارية للمواهب، شراكات مع الجامعات).

  
  

• ضمان أن أنظمة التعلم الآلي تلبي متطلبات الخصوصية، والحكومة، والامتثال.

  
  

ثقافة الذكاء الاصطناعي الوكيلة والابتكار

• دعم تطوير الذكاء الاصطناعي الوكيل: وضع معايير لاستخدام Cursor، GitHub Copilot، Amazon Q، وأدوات قائمة على MCP لتسريع سرعة التعلم الآلي، مع تحسينات قابلة للقياس في الجودة وكفاءة دورة الحياة.

  
  

• دفع اعتماد Databricks Genie (واجهات NL ذات الخدمة الذاتية المنظمة على Unity Catalog) وSnowflake Cortex (Copilot/Analyst، بحث Cortex، وتعديل دقيق انتقائي) بحيث تكون مخرجات التعلم الآلي متاحة لأصحاب المصلحة غير التقنيين.

  
  

• خلق مساحة للابتكار: وقت هيكلي للنمذجة، محادثات تقنية داخلية، والمساهمة في مجتمع الممارسات الأوسع للتعلم الآلي في WBD؛ إحضار رؤى خارجية ذات صلة إلى خارطة الطريق.

  
  

ما ستجلبه

المتطلبات

• 12+ سنة من الخبرة الإجمالية في التعلم الآلي، أو علوم البيانات، أو هندسة التعلم الآلي، بما في ذلك 3-5+ سنوات في إدارة الهندسة.

  
  

• نجاح مثبت في قيادة وتنمية فرق من 6-12 مهندس تعلم آلي و/أو علماء بيانات، بما في ذلك سلم مساهمين فرديين متعدد المستويات (من المبتدئين إلى الموظفين).

  
  

• أساس تقني قوي في التعلم الآلي: يمكنك قراءة ونقد مقترحات هندسة النماذج، ومراجعة كود التعلم الآلي، والمشاركة بموثوقية في مناقشات على مستوى الموظفين - لقد قمت شخصيًا ببناء وشحن نماذج تعلم آلي إنتاجية.

  
  

• خبرة عملية (حالية أو حديثة) مع مجموعة أدوات التعلم الآلي: بايثون، Databricks/Spark، MLflow، التعلم الآلي السحابي (يفضل AWS SageMaker)، وSQL/Snowflake.

  
  

• سجل حافل في تسليم مشاريع تعلم آلي معقدة، متعددة الأشهر في الإنتاج على نطاق واسع.

  
  

• خبرة في منظمة عالمية معقدة، مع تعاون عبر مناطق زمنية.

  
  

• مهارات تواصل ممتازة: ترجمة التعقيد الفني للجمهور التنفيذي وغير التقني، وسياق الأعمال للمهندسين.

  
  

• درجة بكاليوس أو ماجستير في علوم الكمبيوتر، أو الإحصاء، أو الهندسة، أو مجال كمي ذي صلة.

  
  

المفضل

• قيادة التعلم الآلي في البث، الإعلام، تكنولوجيا الإعلانات، أو الإنترنت الاستهلاكي - لا سيما نمذجة الجمهور، حل الهوية، التخصيص، أو التوصيات.

  
  

• الإلمام بنظام وارنر بروس. ديسكفري: Databricks، Snowflake، AWS، FreeWheel/GAM، أو مجموعات تفعيل تكنولوجيا الإعلانات المعادلة.

  
  

• خبرة في إدارة الفرق عبر مناطق الزمن في الهند والولايات المتحدة، وبناء فرق التعلم الآلي من المراحل المبكرة (معايير التوظيف، كتيبات التوجيه، الثقافة).

  
  

• الإلمام بـ Databricks Genie، Snowflake Cortex، MCP، وعمليات التطوير الحديثة المدعومة بالذكاء الاصطناعي.

  
  

• خبرة مع غرف البيانات النظيفة وML الذي يحافظ على الخصوصية.

  
  

ما نقدمه:

• مكان رائع للعمل

  
  

• صاحب عمل يتيح الفرص المتكافئة

  
  

• فرص نمو سريعة

  
  

كيف نقوم بالأشياء...

هذا الجزء الأخير هو الأكثر أهمية! هنا في WBD، تعتبر مبادئنا التوجيهية القيم الأساسية التي نعمل بها ومركزية لكيفية إنجاز الأمور. يمكنك العثور عليها في www.wbd.com/guiding-principles/ مع بعض الرؤى من الفريق حول ما تعنيه وكيف تظهر في يومهم. نأمل أن تت resonant معك ونتطلع إلى مناقشتها خلال مقابلتك.

دعم الشمولية في WBD

تحتضن وارنر بروس. ديسكفري الفرصة لبناء قوة عمل تعكس مجموعة واسعة من وجهات النظر والخلفيات والخبرات. كونك صاحب عمل يتيح الفرص المتكافئة يعني أننا نأخذ على محمل الجد مسؤوليتنا في النظر في المرشحين المؤهلين بناءً على الجدارة، بغض النظر عن الجنس، أو الهوية الجنسية، أو العرق، أو العمر، أو التوجه الجنسي، أو الدين أو المعتقد، أو الحالة الاجتماعية، أو الحمل، أو الأبوة، أو الإعاقة، أو أي فئة أخرى محمية بموجب القانون.

إذا كنت مرشحًا مؤهلاً ولديك إعاقة وتحتاج إلى تعديلات أو تسهيلات خلال عملية تقديم الطلب و/أو عملية التوظيف، يرجى زيارة صفحة الوصول للحصول على تعليمات لتقديم طلبك.