Machine-Learning-Ingenieur/in
Machine-Learning-Ingenieurinnen und -Ingenieure übernehmen Modelle, die Data Scientists gebaut oder die von Anbietern gekauft wurden, und bringen sie in laufenden Gesundheits- und Pflegediensten zuverlässig zum Funktionieren. Sie bauen die Pipelines, die Modelle trainieren, testen, bereitstellen und überwachen, und integrieren sie in klinische und betriebliche Systeme. Sie stellen sicher, dass Modelle sicher, geschützt, fair und wirksam bleiben, sobald sich echte Patientinnen, Patienten und Mitarbeitende auf sie verlassen.
Dieser Text wurde von einem KI-Assistenten aus dem Englischen übersetzt und noch nicht von Muttersprachlerinnen oder Muttersprachlern geprüft. Zitate aus dem UK GDaD PCF (dem Kompetenzrahmen der britischen Regierung für digitale und datenbezogene Berufe) und aus ESCO bleiben auf Englisch.
- Familie
- Daten
- Rolle im UK GDaD PCF
- Machine learning engineer (Data)
- Berufe in ESCO
- artificial intelligence engineer (ISCO-08 2511)
- Auf GitHub
- Rollendokument · Rollendaten
Stufen
| Entgeltgruppe | Rollenstufe | Stufe im UK GDaD PCF | Besoldungsgruppen des britischen Civil Service | Punkte der Stellenbewertung |
|---|---|---|---|---|
| 7 | Senior-Machine-Learning-Ingenieur/in | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Leitende/r Machine-Learning-Ingenieur/in | Lead machine learning engineer | G7/G6 | 595 |
In einer Organisation für digitale Gesundheit und Pflege
- Modelle im Einsatz können abdriften, wenn sich Patientenpopulationen, klinische Praxis oder Erfassungsgewohnheiten ändern; die Leistung wird daher für jede Patientengruppe überwacht, und Modelle werden bei Bedarf neu trainiert oder zurückgezogen.
- Ein Modell, das Diagnose, Triage oder Behandlung beeinflusst, kann als Medizinprodukt reguliert sein, was formale Anforderungen an seinen Software-Lebenszyklus, die Änderungskontrolle und die Überwachung nach dem Inverkehrbringen mit sich bringt.
- Klinische Sicherheitsnachweise brauchen Belege dazu, wie ein Modell versagt, wie seine Ausgaben klinischem Personal gezeigt werden und was passiert, wenn es nicht verfügbar ist.
- Mit Patientendaten trainierte Modelle können Informationen über Einzelpersonen preisgeben; Trainingsdaten, Modellartefakte und Protokolle werden daher wie die Daten selbst geschützt.
- Generative KI und große Sprachmodelle bringen weitere Risiken mit sich, etwa erfundene Inhalte in klinischen Notizen, die gezielte Tests und menschliche Aufsicht brauchen.
Rollenbeschreibung im 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
Berufe und Kompetenzen in ESCO
ESCO führt die Kompetenzen und das Wissen auf, die Arbeitgeber für jeden Beruf in der Regel benötigen (wesentlich) oder benötigen können (optional). Nutzen Sie sie als Checkliste für Entwicklungsgespräche.
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.
Wesentlich: Kompetenzen und Wissen (31)
Fertigkeiten und Kompetenzen
- 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
Wissen
- 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
Sonstiges
Optional: Kompetenzen und Wissen (58)
Fertigkeiten und Kompetenzen
- 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
Wissen
- 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.