Inżynier AI / Uczenia Maszynowego

modeledaneuczenie maszynowePythonsztuczna inteligencja

Rola i obowiązki

Przygotowuje zestawy danych, projektuje i trenuje modele, wdraża pipeline'y produkcyjne, ocenia wydajność i współpracuje z interesariuszami nad rzeczywistymi wynikami.

Kluczowe atuty

Umiejętności techniczne32% (Job)
Myślenie analityczne20% (Job)
Rozwiązywanie problemów18% (Job)
Praca zespołowa10% (Job)
Komunikacja10% (Job)
Kreatywność10% (Job)

Co to dla ciebie oznacza

Myślenie analityczne – Interpretuje sygnały i eksperymenty, aby wybrać odpowiednie podejście do modelu.
Praca zespołowa – Współpracuje z zespołami danych, produktu i inżynierii, aby dostarczać niezawodne usługi ML.
Umiejętności techniczne – Buduje i skaluje pipeline'y ML od przygotowania danych po wdrożenie.

Typowe zadania

Wdrażanie modeli za pomocą usług lub pipeline'ów oraz monitorowanie dokładności i dryfu
Projektowanie i trenowanie modeli uczenia maszynowego od prototypu do produkcji
Przygotowywanie zestawów danych, ocena wydajności oraz dostrajanie cech i hiperparametrów

Codzienna praca

Wdrażanie modeli i monitorowanie dryfu lub regresji wydajności
Przeglądanie wyników eksperymentów i metryk modeli z zespołami produktowymi
Iteracje na pipeline'ach danych, cechach i sesjach treningowych

Rekomendowane wykształcenie

Pomocne, ale nieobowiązkowe

Certyfikaty Cloud ML
Kursy z zakresu odpowiedzialnej AI lub etyki

Alternatywne ścieżки

Inżynier Badań Stosowanych
Data Scientist
Inżynier MLOps

Środowisko pracy

Wielkość zespołu: Współpraca w zespołach międzyfunkcyjnych danych i produktu
Typowi pracodawcy: Firmy technologiczne, laboratoria badawcze, przedsiębiorstwa oparte na danych
Kontakt z ludźmi: Ścisła współpraca z data scientistami, inżynierami i menedżerami produktu
Poziom stresu: Umiarkowany ze wzrostami w okresach wydań lub problemów z modelami
Godziny pracy: Głównie elastyczne godziny pracy z cyklami dostaw opartymi na sprintach