HMH
HMH
HMH udvikler læseplaner, evalueringsværktøjer og læringsressourcer til grundskolen og gymnasiet. Virksomhedens programmer dækker læsning og skrivning, matematik, naturvidenskab, samfundsfag samt social og emotionel læring. HMH tilbyder også faglig udvikling, der hjælper undervisere med at styrke deres undervisningspraksis og understøtte elevernes læring.

Fjernarbejdende maskinlæringsingeniør hos HMH

Byg og drift forklarlige modeller til elevvurdering på AWS SageMaker. Hjælp HMH med at forbedre læringsresultater i grundskolen og gymnasiet gennem maskinlæringssystemer i produktion.

Beskrivelse

  • Administrer modeller fra dataforberedelse gennem træning, validering, udrulning, overvågning og iteration.
  • Undersøg og valider data før og efter modellering, og dokumenter derefter resultaterne.
  • Kør Python-træningsjobs og pipelines i AWS SageMaker.
  • Følg eksperimenter med MLflow, og evaluer modeller på tilbageholdte kohorter.
  • Registrer, godkend og udrul modelversioner med sporbar data-, kode- og modellinjerække.
  • Drift realtidsslutpunkter og batchscoring med et feature store og Snowflake.
  • Optimer latenstid, omkostninger og kapacitet.
  • Overvåg prædiktionskvalitet, fejlrater og drift ved hjælp af dashboards og alarmer.
  • Led månedlige gennemgange af produktionssundhed og skyldfri efteranalyser.
  • Anbefal modelopdateringer på baggrund af produktionsdata, og bidrag til tekniske designforslag (RFC'er).
  • Hjælp analytiker-, produkt- og datateams med at fortolke og bruge modelresultater.
  • Tilpas modeller på tværs af fag og læseplaner uden at vedligeholde separate kodeforgreninger.
  • Beregn scorer på ny for store elevpopulationer, mens live-tjenester fortsat kører.
  • Kør modelversioner parallelt, og udfas dem sikkert.
  • Forbedr effektiviteten af træning og inferens, samtidig med at modellernes adfærd bevares.
  • Samarbejd i et strømtilpasset team med en senior- eller staffingeniør.

Krav

  • Dokumenteret erfaring med at levere modeller eller maskinlæringssystemer, som andre bruger.
  • For IC4 typisk mindst tre års praktisk erfaring eller en ph.d. med relevant praktisk erfaring.
  • Der forventes en kandidatgrad eller ph.d. inden for et kvantitativt fagområde, såsom psykometri.
  • Skriv idiomatisk, typet og testet Python.
  • Erfaring med CI/CD, GitHub Actions og infrastruktur administreret med Terraform.
  • Stærke SQL-kompetencer.
  • Et solidt statistisk fundament, herunder begreberne posterior og likelihood samt kalibreringsdiagrammer.
  • Stærke færdigheder inden for eksplorativ dataanalyse.
  • Fremragende teknisk skrivefærdigheder.
  • Praktisk kendskab til AWS, helst SageMaker.
  • Praktisk kendskab til et værktøj til eksperimentopfølgning, såsom MLflow.
  • Evne til at vurdere, hvornår arbejde er klar til lancering, og underbygge vurderingen med evidens.
  • Relevant erfaring omfatter psykometri eller pædagogisk måling; kognitive diagnostiske modeller eller bayesianske netværk; probabilistisk programmering som Stan eller PyMC; R; Snowflake og dbt; Terraform; GitHub Actions; vidensgrafer eller ontologier; samt vurderingsdata fra grundskolen og gymnasiet.

Fordele

  • Årsløn på 110.000–115.000 USD.
  • Kultur- og fordelspakke; detaljer findes på HMH's linkede side.

Relaterede job

CrowdStrike

Trusselsanalytiker, effektivitet af maskinlæringsbaseret detektion

CrowdStrike

Analysér rapporter om malware og kunders detektioner for at bidrage til at forbedre CrowdStrikes maskinlæringsbaserede detektioner. Bidrag til håndtering af falske positiver, og del resultater om detektionernes effektivitet med interne teams.

Åbn
PAR Technology

MLOps-ingeniør, identitetsmatchning

PAR Technology

Sæt Bridgs modeller til identitetsmatchning i produktion på PAR Technologys softwareplatform til restauranter. Byg AWS- og Spark-pipelines, CI/CD, overvågning og datagrænseflader, som agenter kan forespørge.

Åbn
Volga Partners

Dataannoteringsspecialist inden for objektdetektion – fjernarbejde, USA

Volga Partners

Annotér visuelle datasæt til Volga Partners AI-projekter ved at mærke objekter til brug for computersynssystemer. Bidrag til bedre objektdetektion gennem omhyggeligt og konsekvent arbejde.

Åbn