Инженер машинного обучения
Инженеры машинного обучения берут модели, созданные специалистами по data science или купленные у поставщиков, и обеспечивают их надёжную работу в действующих услугах здравоохранения и ухода. Они создают конвейеры обучения, тестирования, развёртывания и мониторинга моделей и интегрируют их с клиническими и операционными системами. Они следят за тем, чтобы модели оставались безопасными, защищёнными, справедливыми и эффективными, когда на них начинают полагаться реальные пациенты и сотрудники.
Этот текст переведён с английского языка помощником на основе искусственного интеллекта и ещё не проверен носителем языка. Цитаты из рамки компетенций профессии цифровых технологий и данных правительства Соединённого Королевства (UK GDaD PCF) и из ESCO оставлены на английском языке.
- Семейство
- Данные
- Роль UK GDaD PCF
- Machine learning engineer (Data)
- Профессии ESCO
- artificial intelligence engineer (ISCO-08 2511)
- На GitHub
- Документ роли · Данные роли
Уровни
| Диапазон | Уровень роли | Уровень UK GDaD PCF | Грейды государственной службы | Баллы оценки должности |
|---|---|---|---|---|
| 7 | Старший инженер машинного обучения | Senior machine learning engineer | SEO/G7/G6 | 495 |
| 8b | Ведущий инженер машинного обучения | Lead machine learning engineer | G7/G6 | 595 |
В организации цифрового здравоохранения
- Модели в эксплуатации могут дрейфовать по мере изменения популяций пациентов, клинической практики или привычек ведения записей, поэтому их качество отслеживается для каждой группы пациентов, а при необходимости модели переобучаются или выводятся из использования.
- Модель, влияющая на диагностику, сортировку или лечение, может регулироваться как медицинское изделие, что влечёт формальные требования к жизненному циклу её программного обеспечения, контролю изменений и пострегистрационному надзору.
- Обоснованиям клинической безопасности нужны доказательства того, как модель даёт сбой, как её результаты показываются клиницистам и что происходит, когда она недоступна.
- Модели, обученные на данных пациентов, могут раскрывать информацию о конкретных людях, поэтому обучающие данные, артефакты моделей и журналы защищаются так же, как сами данные.
- Генеративный ИИ и большие языковые модели несут дополнительные риски, например выдуманный контент в клинических записях, которые требуют специального тестирования и человеческого контроля.
Описание роли в 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
Профессии и навыки ESCO
ESCO перечисляет навыки и знания, которые работодателям обычно нужны (обязательные) или могут быть нужны (дополнительные) для каждой профессии. Используйте их как контрольный список для разговоров о развитии.
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.
Обязательные: навыки и знания (31)
Навыки и компетенции
- 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
Знания
- 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
Прочее
Дополнительные: навыки и знания (58)
Навыки и компетенции
- 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
Знания
- 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.