Ingénieur en apprentissage automatique

Les ingénieurs en apprentissage automatique prennent les modèles construits par les data scientists, ou achetés à des fournisseurs, et les font fonctionner de façon fiable dans les services de santé et de soins en production. Ils construisent les chaînes qui entraînent, testent, déploient et surveillent les modèles, et les intègrent aux systèmes cliniques et opérationnels. Ils veillent à ce que les modèles restent sûrs, sécurisés, équitables et efficaces lorsque de vrais patients et membres du personnel s'appuient sur eux.

Ce texte a été traduit de l'anglais par un assistant d'intelligence artificielle et n'a pas encore été relu par un locuteur natif. Les citations du référentiel des compétences de la profession numérique et données du gouvernement britannique (UK GDaD PCF) et d'ESCO restent en anglais.

Famille: Données
Rôle du UK GDaD PCF: Machine learning engineer (Data)
Professions ESCO: artificial intelligence engineer (ISCO-08 2511)
Sur GitHub: Document du rôle · Données du rôle

Niveaux

Bande	Niveau de rôle	Niveau du UK GDaD PCF	Grades de la fonction publique britannique	Points d'évaluation de l'emploi
7	Ingénieur en apprentissage automatique senior	Senior machine learning engineer	SEO/G7/G6	495
8b	Ingénieur en apprentissage automatique référent	Lead machine learning engineer	G7/G6	595

Dans une organisation de santé numérique

Les modèles en production peuvent dériver à mesure que les populations de patients, la pratique clinique ou les habitudes de saisie évoluent, c'est pourquoi leur performance est surveillée pour chaque groupe de patients et ils sont réentraînés ou retirés si nécessaire.
Un modèle qui éclaire le diagnostic, le triage ou le traitement peut être réglementé comme dispositif médical, ce qui entraîne des exigences formelles sur le cycle de vie du logiciel, la maîtrise des changements et la surveillance après commercialisation.
Les dossiers de sécurité clinique ont besoin de preuves sur la manière dont un modèle échoue, dont ses résultats sont présentés aux cliniciens et sur ce qui se passe quand il est indisponible.
Les modèles entraînés sur des données de patients peuvent divulguer des informations sur des personnes, c'est pourquoi les données d'entraînement, les artefacts des modèles et les journaux sont protégés comme les données elles-mêmes.
L'IA générative et les grands modèles de langage apportent d'autres risques, comme des contenus inventés dans les notes cliniques, qui exigent des tests spécifiques et une supervision humaine.

Description du rôle dans le 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

Contains public sector information from the UK Government Digital and Data Profession Capability Framework (https://understand-digital-data-roles-skills.service.gov.uk/), licensed under the Open Government Licence v3.0. © Crown copyright.

Professions et compétences ESCO

ESCO énumère les compétences et les connaissances dont les employeurs ont généralement besoin (essentielles) ou peuvent avoir besoin (facultatives) pour chaque profession. Utilisez-les comme liste de contrôle lors des échanges sur le développement.

artificial intelligence engineer

http://data.europa.eu/esco/occupation/35553663-deab-4d9a-bf22-15c1625d28e8 · Code ESCO 2511.11 · ISCO-08 2511 Systems analysts

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.

Compétences et connaissances essentielles (31)

Aptitudes et compétences

Connaissances

Autres

digital data processing

Compétences et connaissances facultatives (58)

Aptitudes et compétences

Connaissances

Contains ESCO v1.2.1 data (https://esco.ec.europa.eu/). © European Union. Reuse authorised under Commission Decision 2011/833/EU.