Ingeniero de aprendizaje automático
Los ingenieros de aprendizaje automático toman los modelos creados por los científicos de datos, o comprados a proveedores, y hacen que funcionen de forma fiable en los servicios de salud y asistencia en producción. Crean los flujos que entrenan, prueban, despliegan y vigilan los modelos, y los integran con los sistemas clínicos y operativos. Se aseguran de que los modelos sigan siendo seguros, protegidos, justos y eficaces cuando pacientes y personal reales dependen de ellos.
Este texto ha sido traducido del inglés por un asistente de inteligencia artificial y todavía no lo ha revisado un hablante nativo de español. Las citas del Marco de Capacidades de la Profesión Digital y de Datos del Gobierno del Reino Unido (UK GDaD PCF) y de ESCO se mantienen en inglés.
- Familia
- Datos
- Rol del UK GDaD PCF
- Machine learning engineer (Data)
- Ocupaciones de ESCO
- artificial intelligence engineer (ISCO-08 2511)
- En GitHub
- Documento del rol · Datos del rol
Niveles
| Banda | Nivel del rol | Nivel del UK GDaD PCF | Grados de la función pública | Puntos de valoración del puesto |
|---|---|---|---|---|
| 7 | Ingeniero de aprendizaje automático sénior | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Ingeniero de aprendizaje automático líder | Lead machine learning engineer | G7/G6 | 595 |
En una organización de atención sanitaria digital
- Los modelos en uso pueden derivar a medida que cambian las poblaciones de pacientes, la práctica clínica o los hábitos de registro, por lo que su rendimiento se vigila en cada grupo de pacientes y se reentrenan o retiran cuando es necesario.
- Un modelo que fundamenta el diagnóstico, el triaje o el tratamiento puede estar regulado como producto sanitario, lo que conlleva requisitos formales sobre su ciclo de vida del software, el control de cambios y la vigilancia poscomercialización.
- Los casos de seguridad clínica necesitan evidencias sobre cómo falla un modelo, cómo se muestran sus resultados a los profesionales clínicos y qué ocurre cuando no está disponible.
- Los modelos entrenados con datos de pacientes pueden filtrar información sobre personas concretas, por lo que los datos de entrenamiento, los artefactos del modelo y los registros se protegen igual que los propios datos.
- La IA generativa y los grandes modelos de lenguaje conllevan riesgos adicionales, como contenidos inventados en las notas clínicas, que requieren pruebas específicas y supervisión humana.
Descripción del rol en el 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
Ocupaciones y habilidades de ESCO
ESCO enumera las habilidades y los conocimientos que los empleadores suelen necesitar (esenciales) o pueden necesitar (opcionales) en cada ocupación. Úselos como lista de comprobación en las conversaciones sobre el desarrollo.
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.
Habilidades y conocimientos esenciales (31)
Habilidades y competencias
- 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
Conocimientos
- 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
Otros
Habilidades y conocimientos opcionales (58)
Habilidades y competencias
- 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
Conocimientos
- 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.