Insinyur pembelajaran mesin
Insinyur pembelajaran mesin mengambil model yang dibangun ilmuwan data, atau yang dibeli dari pemasok, dan membuatnya bekerja dengan andal dalam layanan kesehatan dan perawatan langsung. Mereka membangun jalur yang melatih, menguji, menerapkan, dan memantau model, serta mengintegrasikannya dengan sistem klinis dan operasional. Mereka memastikan model tetap aman, terjamin keamanannya, adil, dan efektif setelah pasien dan staf nyata mengandalkannya.
Teks ini diterjemahkan dari bahasa Inggris oleh asisten kecerdasan buatan dan belum ditinjau oleh penutur asli bahasa Indonesia. Kutipan dari Kerangka Kapabilitas Profesi Digital dan Data Pemerintah Inggris (UK GDaD PCF) dan dari ESCO tetap dalam bahasa Inggris.
- Rumpun
- Data
- Peran UK GDaD PCF
- Machine learning engineer (Data)
- Jabatan ESCO
- artificial intelligence engineer (ISCO-08 2511)
- Di GitHub
- Dokumen peran · Data peran
Tingkat
| Pita | Tingkat peran | Tingkat UK GDaD PCF | Golongan pegawai negeri | Poin penilaian jabatan |
|---|---|---|---|---|
| 7 | Insinyur pembelajaran mesin senior | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Insinyur pembelajaran mesin pimpinan | Lead machine learning engineer | G7/G6 | 595 |
Di organisasi layanan kesehatan digital
- Model yang dipakai langsung dapat bergeser ketika populasi pasien, praktik klinis, atau kebiasaan pencatatan berubah, sehingga kinerja dipantau untuk setiap kelompok pasien dan model dilatih ulang atau ditarik bila perlu.
- Model yang menginformasikan diagnosis, triase, atau pengobatan dapat diatur sebagai alat kesehatan, yang membawa persyaratan formal untuk siklus hidup perangkat lunaknya, pengendalian perubahan, dan pengawasan pascapasar.
- Kasus keselamatan klinis memerlukan bukti tentang bagaimana model gagal, bagaimana keluarannya ditampilkan kepada tenaga klinis, dan apa yang terjadi ketika model tidak tersedia.
- Model yang dilatih pada data pasien dapat membocorkan informasi tentang individu, sehingga data pelatihan, artefak model, dan log dilindungi seperti datanya sendiri.
- AI generatif dan model bahasa besar membawa risiko tambahan, seperti isi karangan dalam catatan klinis, yang memerlukan pengujian khusus dan pengawasan manusia.
Deskripsi peran 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
Jabatan dan keterampilan ESCO
ESCO mencantumkan keterampilan dan pengetahuan yang biasanya dibutuhkan pemberi kerja (esensial) atau mungkin dibutuhkan (opsional) untuk setiap jabatan. Pakailah sebagai daftar periksa untuk percakapan pengembangan.
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.
Keterampilan dan pengetahuan Esensial (31)
Keterampilan dan kompetensi
- 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
Pengetahuan
- 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
Lainnya
Keterampilan dan pengetahuan Opsional (58)
Keterampilan dan kompetensi
- 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
Pengetahuan
- 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.