أنا مهندس بيانات أصبح متوترا فقط عند بناء خطوط الأنابيب. مع مرور الوقت، وجدت نفسي أجمع بين بنية البيانات التحتية وأدوات الذكاء الاصطناعي والأتمتة في مهارة واحدة، لأن هناك بصراحة تكمن أكثر المشاكل إثارة للاهتمام.
في جوهري، أعمل مع أنظمة بيانات الإنتاج. أمتلك 50+ جهاز Airflow DAG، وأنقل البيانات يوميا بين MongoDB وPostgreSQL، وقضيت ساعات حقيقية داخل قواعد البيانات مع 125 مليون صف+، أحاول معرفة سبب بطء الأمور وجعلها سريعة. تقسيم، تنظيف الفهرس، ضبط الاستعلامات، كل شيء. ليست أشياء نموذجية، بل أشياء تعلمت بالطريقة الصعبة ومجربة في الإنتاج.
ما يجعلني مختلفا قليلا هو أنني لم أتوقف عند البنية التحتية. بدأت البناء باستخدام نماذج اللغة الكبيرة وواجهات برمجة التطبيقات للذكاء الاصطناعي، وإعداد خوادم MCP، وإنشاء أدوات يمكن لفرق الأعمال من خلالها طرح الأسئلة والحصول على إجابات دون تقديم تذكرة. أكتب تحديات برمجية تدفع وكلاء الذكاء الاصطناعي إلى أقصى حدودهم، لذا أفهم كلا الجانبين: ما الذي يمكن لهذه النماذج فعله فعليا، وأين تنهار.
من ناحية الأتمتة، استبدلت سير عمل التقارير اليدوي، وبنيت محركات حساب التسوية، وركبت لوحات تحكم تجدد نفسها. الهدف دائما واحد: أخذ شيء يستهلك وقت شخص ما كل أسبوع وجعله يختفي.
كما أبني على الويب عندما يتطلب المشروع ذلك. واجهات برمجة التطبيقات (Flask)، واجهات React، زاحفات البيانات، الأدوات الداخلية. أي شيء ينجز المهمة.
إليكم النسخة المختصرة من سبب قدرتي على تقديم جميع هذه الخدمات الأربع:
كنت أقوم بهذا العمل في الإنتاج، وليس في الدروس التعليمية. أدير خطوط أنابيب حقيقية، وأحسن قواعد البيانات الحقيقية، وأبني تكاملات ذكاء اصطناعي حقيقية، وأشحن الأتمتة الحقيقية. أعتقد في الأنظمة أنني أهتم بالموثوقية، ولا أعقد الأمور بشكل مفرط.
إذا كنت بحاجة إلى شخص يمكنه ربط النقاط بين بياناتك، وطموحاتك في الذكاء الاصطناعي، والبنية التحتية الفعلية التي تجمع كل شيء معا، فهذا بالضبط المكان الذي أعمل فيه بشكل أفضل.