HMH
HMH
Gumagawa ang HMH ng kurikulum, pagtatasa, at mga materyal sa pagkatuto para sa edukasyong K–12. Saklaw ng mga programa nito ang literasiya, matematika, agham, araling panlipunan, at pagkatutong panlipunan at emosyonal. Nagbibigay rin ito ng propesyonal na pagpapaunlad upang tulungan ang mga guro na paghusayin ang kanilang mga paraan ng pagtuturo at suportahan ang pagkatuto ng mga mag-aaral.

Inhinyero sa Machine Learning, AWS SageMaker

Ihatid sa produksiyon sa AWS SageMaker ang mga modelong pangsuri sa mag-aaral na naipapaliwanag, mula sa pagbuo ng mga ito. Suportahan ang mga produktong pang-edukasyon ng HMH sa pamamagitan ng maaasahang pagmomodelo, pag-deploy, pagsubaybay, at tuloy-tuloy na pagpapahusay.

Paglalarawan

  • Pangasiwaan ang buong siklo ng modelo mula sa paghahanda ng datos at pagsasanay hanggang sa pag-deploy, pagsubaybay, at pag-update ng bersyon
  • Siyasatin at patunayan ang datos bago at pagkatapos mag-fit ng modelo, at idokumento ang mga natuklasan
  • Sanayin at patunayan ang mga modelo sa Python gamit ang mga SageMaker training job at pipeline
  • Itala ang mga eksperimento sa MLflow at subukan ang mga modelo sa mga cohort na hindi ginamit sa pagsasanay bago aprubahan ang mga ito
  • Panatilihin ang malinaw na tala ng pinagmulan ng datos, code, timbang, at paghahatid ng modelo habang nirerehistro, inaaprubahan, at dine-deploy ang mga bersyon
  • Maglabas ng mga modelo sa pamamagitan ng code review at tuloy-tuloy na integrasyon
  • Ihatid ang mga modelo sa pamamagitan ng real-time endpoint at batch scoring gamit ang feature store at Snowflake
  • I-optimize ang latency, gastos, at kapasidad ng modelo
  • Subaybayan ang kalidad ng prediksiyon, mga pagkabigo, at paglihis gamit ang mga dashboard at alerto
  • Suriin buwan-buwan ang kalusugan ng produksiyon at pangunahan ang mga pagsusuri pagkatapos ng insidente nang walang paninisi
  • Gamitin ang ebidensiya mula sa produksiyon upang magrekomenda ng mga pagpapahusay sa modelo at magbigay-kaalaman sa mga RFC ng pangkat
  • Tulungan ang mga pangkat sa analytics, produkto, at datos na bigyang-kahulugan at gamitin ang mga output ng modelo
  • Makipagtulungan sa mga senior o staff engineer sa mga pangkat na nakahanay sa daloy ng trabaho
  • Bumuo ng mga modelong gumagana sa iba’t ibang asignatura o kurikulum nang hindi nangangailangan ng magkakahiwalay na code fork
  • Muling kalkulahin ang marka ng malalaking populasyon ng mag-aaral habang nananatiling magagamit ang mga live na serbisyo
  • Magpatakbo ng magkakatabing bersyon ng modelo at ligtas na ihinto ang mga ito
  • Pahusayin ang episyensiya ng pagsasanay at paghahatid habang pinananatili ang mga output ng modelo

Mga Kinakailangan

  • May napatunayang karanasan sa paghahatid ng mga modelo o machine learning system na inaasahan ng iba
  • Para sa IC4, karaniwang kailangan ang hindi bababa sa tatlong taong praktikal na karanasan, o doctorate na may kaugnay na praktikal na karanasan
  • Inaasahan ang master’s o doctoral degree sa disiplinang kwantitatibo, kabilang ang psychometrics
  • Sumulat ng idiomatic, typed, at nasubok na Python
  • Komportable sa CI/CD, GitHub Actions, at imprastrakturang pinamamahalaan gamit ang Terraform
  • Matibay na kasanayan sa SQL
  • May batayan sa estadistika, kabilang ang mga konsepto ng posterior at likelihood at mga calibration plot
  • Mahusay sa exploratory data analysis
  • Napakahusay na kasanayan sa teknikal na pagsulat
  • May kaalamang praktikal sa AWS, mas mainam kung SageMaker
  • May kaalamang praktikal sa tool sa pagsubaybay ng eksperimento gaya ng MLflow
  • Kayang magpasya kung handa nang ilabas ang trabaho at suportahan ang pasyang iyon gamit ang ebidensiya
  • Kabilang sa kapaki-pakinabang na karanasan o kaalaman ang psychometrics o pagsukat sa edukasyon; cognitive diagnostic model o Bayesian network; probabilistic programming gamit ang Stan o PyMC; R; Snowflake at dbt; Terraform; GitHub Actions; knowledge graph o ontology; at datos ng pagtatasa sa K–12
  • Dapat awtorisadong magtrabaho sa Estados Unidos; kalahok ang HMH sa E-Verify

Mga Benepisyo

  • Taunang saklaw ng suweldo na $110,000–$115,000
  • Pangako sa pantay na oportunidad sa trabaho
  • Lugar ng trabaho na walang diskriminasyon at panliligalig

Mga Kaugnay na Trabaho

CrowdStrike

Analista ng Banta, Bisa ng Pagtukoy gamit ang Machine Learning

CrowdStrike

Sinusuri ang mga ulat tungkol sa malware at pagtukoy ng customer upang makatulong na pahusayin ang machine learning detection ng CrowdStrike. Sinusuportahan ang pamamahala ng false positive at ibinabahagi sa mga panloob na team ang mga natuklasan tungkol sa bisa.

Buksan
Alliant Insurance Services

Inhinyero ng AI para sa Dibisyon III

Alliant Insurance Services

Pangunahan ang arkitektura at pagiging maaasahan ng pinagsasaluhang imprastraktura ng LLM habang pinalalawak ang paggamit nito sa mga produkto. Bumuo ng mga serbisyong pang-orchestrate, observability, at production na magagamit muli.

Buksan
PAR Technology

Inhinyero ng MLOps, Paglutas ng Pagkakakilanlan

PAR Technology
1,001 – 5,000 Mga Empleyado
LogisticsPagkain at inuminPagkonsulta

Ihatid sa production ang mga modelo ng paglutas ng pagkakakilanlan ng Bridg para sa platform ng restaurant software ng PAR Technology. Bumuo ng mga AWS at Spark pipeline, CI/CD, monitoring, at mga data interface na matatanong ng mga agent.

Buksan
Wonderlic

Senior na Siyentipiko sa Pananaliksik, AI at Intelligence sa Lakas-Paggawa

Wonderlic
51 – 200 Mga Empleyado
KorporasyonTeknolohiya ng HR

Isulong ang AI Jobs Engine at mga pagtatasa sa lakas-paggawa ng Wonderlic sa pamamagitan ng sikolohiyang industriyal-organisasyonal, NLP, at machine learning upang makabuo ng mga mapagkakatiwalaang pananaw sa trabaho.

Buksan
Volga Partners

Remote na Espesyalista sa Anotasyon ng Data, Pagtukoy ng Bagay — Estados Unidos

Volga Partners

Lagyan ng anotasyon ang mga visual dataset para sa mga proyektong AI ng Volga Partners sa pamamagitan ng paglalagay ng label sa mga bagay upang masuportahan ang mga computer vision system. Tumulong na mapahusay ang kalidad ng pagtukoy ng bagay sa pamamagitan ng maingat at pare-parehong trabaho.

Buksan