Ingeniør i maskinlæring
Ingeniører i maskinlæring tager modeller, som dataforskere har bygget, eller som er købt hos leverandører, og får dem til at fungere pålideligt i live sundheds- og plejeservices. De bygger de pipelines, der træner, tester, udruller og overvåger modeller, og integrerer dem med kliniske systemer og driftssystemer. De sikrer, at modeller forbliver sikre, trygge, fair og effektive, når rigtige patienter og medarbejdere er afhængige af dem.
Denne tekst er oversat fra engelsk af en AI-assistent og er endnu ikke gennemgået af en modersmålstaler. Citater fra den britiske regerings kompetencerammeværk for digitale og datarelaterede fag (UK GDaD PCF) og fra ESCO står fortsat på engelsk.
- Familie
- Data
- Rolle i UK GDaD PCF
- Machine learning engineer (Data)
- Erhverv i ESCO
- artificial intelligence engineer (ISCO-08 2511)
- På GitHub
- Roledokument · Roledata
Niveauer
| Lønramme | Rolleniveau | Niveau i UK GDaD PCF | Lønklasser i den britiske statsforvaltning | Point i jobvurderingen |
|---|---|---|---|---|
| 7 | Senior ingeniør i maskinlæring | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Ledende ingeniør i maskinlæring | Lead machine learning engineer | G7/G6 | 595 |
I en organisation inden for digital sundhed og pleje
- Modeller i live brug kan drive, når patientpopulationer, klinisk praksis eller registreringsvaner ændres, så præstationen overvåges for hver patientgruppe, og modeller trænes om eller trækkes tilbage, når det er nødvendigt.
- En model, der understøtter diagnose, triage eller behandling, kan være reguleret som medicinsk udstyr, hvilket medfører formelle krav til softwarens livscyklus, ændringskontrol og overvågning efter markedsføring.
- Kliniske sikkerhedsbegrundelser kræver evidens om, hvordan en model fejler, hvordan dens resultater vises for klinikere, og hvad der sker, når den ikke er tilgængelig.
- Modeller, der er trænet på patientdata, kan lække oplysninger om enkeltpersoner, så træningsdata, modelartefakter og logs beskyttes som selve dataene.
- Generativ kunstig intelligens og store sprogmodeller medfører yderligere risici, såsom opdigtet indhold i kliniske notater, som kræver særlig test og menneskeligt tilsyn.
Rollebeskrivelse i UK GDaD PCF
A machine learning engineer develops, assures and maintains machine learning models so they can be used in products and services.
In this role, you will:
- be responsible for the software development and technical infrastructure needed to design, train, deploy and scale machine learning models
- provide and maintain effective, secure and sustainable machine learning models for use in products and services
- support all stages of the machine learning life cycle
- help product teams evaluate and choose appropriate machine learning solutions
Erhverv og kompetencer i ESCO
ESCO opregner den viden og de kompetencer, som arbejdsgivere som regel har brug for (væsentlige) eller kan have brug for (valgfrie) til hvert erhverv. Brug dem som tjekliste til udviklingssamtaler.
artificial intelligence engineer
Artificial intelligence engineer apply methods of artificial intelligence in engineering, robotics and computer science to design programs which simulate intelligence including thinking models, cognitive and knowledge-based systems, problem solving, and decision making. They also integrate structured knowledge into computer systems (ontologies, knowledge bases) in order to solve complex problems normally requiring a high level of human expertise or artificial intelligence methods.
Væsentlige kompetencer og viden (31)
Færdigheder og kompetencer
- analyse big data
- analyse business requirements
- apply ICT systems theory
- create data sets
- creatively use digital technologies
- define technical requirements
- deliver visual presentation of data
- design process
- develop creative ideas
- develop statistical software
- use data processing techniques
Viden
- Python (computer programming)
- algorithms
- artificial neural networks
- business process modelling
- computer programming
- computer simulation
- data mining
- data models
- data science
- information architecture
- information categorisation
- information extraction
- information structure
- principles of artificial intelligence
- resource description framework query language
- systems development life-cycle
- task algorithmisation
- unstructured data
- visual presentation techniques
Andet
Valgfrie kompetencer og viden (58)
Færdigheder og kompetencer
- apply systemic design thinking
- assess ICT knowledge
- build business relationships
- build predictive models
- build recommender systems
- design application interfaces
- design database scheme
- identify processes for re-engineering
- manage ICT data classification
- manage ICT semantic integration
- manage business knowledge
- perform dimensionality reduction
- utilise machine learning
Viden
- Agile project management
- Assembly (computer programming)
- C#
- C++
- COBOL
- CoffeeScript
- Common Lisp
- Erlang
- Groovy
- Haskell
- ICT project management methodologies
- Java (computer programming)
- JavaScript
- LINQ
- Lisp
- MATLAB
- ML (computer programming)
- Microsoft Visual C++
- N1QL
- Objective-C
- OpenEdge Advanced Business Language
- PHP
- Pascal (computer programming)
- Perl
- Process-based management
- Prolog (computer programming)
- R
- Ruby (computer programming)
- SAP R3
- SAS language
- SPARQL
- Scala
- Scratch (computer programming)
- Smalltalk (computer programming)
- Swift (computer programming)
- TypeScript
- VBScript
- Visual Basic
- business analytics
- business intelligence
- computer vision
- database development tools
- deep learning
- lean project management
- operational research
Contains ESCO v1.2.1 data (https://esco.ec.europa.eu/). © European Union. Reuse authorised under Commission Decision 2011/833/EU.