Machine-learning-engineer
Machine-learning-engineers nemen modellen die datawetenschappers hebben gebouwd, of die van leveranciers zijn gekocht, en laten ze betrouwbaar werken in live diensten voor gezondheid en zorg. Zij bouwen de pijplijnen die modellen trainen, testen, implementeren en monitoren en integreren ze met klinische en operationele systemen. Zij zorgen dat modellen veilig, beveiligd, eerlijk en effectief blijven zodra echte patiënten en personeel erop vertrouwen.
Deze tekst is door een AI-assistent uit het Engels vertaald en is nog niet beoordeeld door een moedertaalspreker. Citaten uit het UK GDaD PCF (het kader voor digitale en datagerelateerde beroepen van de Britse overheid) en uit ESCO blijven in het Engels.
- Familie
- Data
- Rol in het UK GDaD PCF
- Machine learning engineer (Data)
- Beroepen in ESCO
- artificial intelligence engineer (ISCO-08 2511)
- Op GitHub
- Roldocument · Roldata
Niveaus
| Band | Rolniveau | Niveau in het UK GDaD PCF | Rangen in de Britse Civil Service | Punten van de functiewaardering |
|---|---|---|---|---|
| 7 | Senior machine-learning-engineer | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Lead machine-learning-engineer | Lead machine learning engineer | G7/G6 | 595 |
In een organisatie voor digitale gezondheid en zorg
- Modellen in live gebruik kunnen afdrijven wanneer patiëntenpopulaties, klinische praktijk of vastleggingsgewoonten veranderen, dus prestaties worden voor elke groep patiënten gemonitord en modellen worden waar nodig hertraind of ingetrokken.
- Een model dat diagnose, triage of behandeling informeert, kan als medisch hulpmiddel gereguleerd zijn, wat formele eisen met zich meebrengt voor de levenscyclus van de software, wijzigingsbeheer en toezicht na het op de markt brengen.
- Klinische veiligheidsdossiers hebben bewijs nodig over hoe een model faalt, hoe zijn uitvoer aan clinici wordt getoond en wat er gebeurt wanneer het niet beschikbaar is.
- Modellen die op patiëntdata zijn getraind, kunnen informatie over individuen lekken, dus trainingsdata, artefacten van modellen en logboeken worden beschermd als de data zelf.
- Generatieve AI en grote taalmodellen brengen verdere risico’s mee, zoals verzonnen inhoud in klinische notities, die specifiek testen en menselijk toezicht vragen.
Roldescriptie in het 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
Beroepen en vaardigheden in ESCO
ESCO somt de vaardigheden en kennis op die werkgevers meestal nodig hebben (essentieel) of nodig kunnen hebben (optioneel) voor elk beroep. Gebruik ze als checklist voor gesprekken over ontwikkeling.
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.
Essentieel vaardigheden en kennis (31)
Vaardigheden en competenties
- 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
Kennis
- 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
Overig
Optioneel vaardigheden en kennis (58)
Vaardigheden en competenties
- 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
Kennis
- 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.