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.

Remote na Machine Learning Engineer sa HMH

Bumuo at magpatakbo ng mga maipapaliwanag na modelo para sa pagtatasa ng mag-aaral sa AWS SageMaker. Tulungan ang HMH na pahusayin ang mga resulta ng pagkatuto sa K–12 gamit ang mga production machine learning system.

Paglalarawan

  • Pamahalaan ang mga modelo mula sa paghahanda ng data hanggang sa pagsasanay, pagpapatunay, pag-deploy, pagsubaybay, at pag-ulit.
  • Siyasatin at patunayan ang data bago at pagkatapos magmodelo, saka idokumento ang mga natuklasan.
  • Magpatakbo ng mga Python training job at pipeline sa AWS SageMaker.
  • Subaybayan ang mga eksperimento gamit ang MLflow at suriin ang mga modelo sa mga cohort na hindi ginamit sa pagsasanay.
  • Irehistro, isulong, at i-deploy ang mga bersyon ng modelo na may nasusubaybayang data, code, at pinagmulan ng modelo.
  • Magpatakbo ng mga real-time endpoint at batch scoring gamit ang feature store at Snowflake.
  • I-optimize ang latency, gastos, at kapasidad.
  • Subaybayan ang kalidad ng prediksyon, mga rate ng pagkabigo, at paglihis gamit ang mga dashboard at alerto.
  • Pangunahan ang buwanang pagsusuri sa kalusugan ng production at mga postmortem na walang paninisi.
  • Magrekomenda ng mga update sa modelo batay sa ebidensiya mula sa production at mag-ambag sa mga design RFC.
  • Tulungan ang mga pangkat ng analyst, produkto, at data na bigyang-kahulugan at gamitin ang mga output ng modelo.
  • Iangkop ang mga modelo sa iba’t ibang asignatura at kurikulum nang hindi nagpapanatili ng magkakahiwalay na sangay ng code.
  • Muling kalkulahin ang mga score ng malalaking populasyon ng mag-aaral habang tuloy ang mga live service.
  • Magpatakbo ng mga bersyon ng modelo nang sabay at ihinto ang mga ito nang ligtas.
  • Pagbutihin ang kahusayan ng pagsasanay at paghahatid habang pinananatili ang gawi ng modelo.
  • Makipagtulungan sa isang pangkat na nakaayon sa stream kasama ang senior o staff engineer.

Mga Kinakailangan

  • May napatunayang karanasan sa paghahatid ng mga modelo o machine learning system na ginagamit ng ibang tao.
  • 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 PhD sa disiplinang kwantitatibo, gaya ng psychometrics.
  • Sumulat ng idiomatic, typed, at nasubok na Python.
  • May karanasan sa CI/CD, GitHub Actions, at imprastrakturang pinamamahalaan gamit ang Terraform.
  • May matibay na kasanayan sa SQL.
  • May matatag na pundasyon sa estadistika, kabilang ang mga konsepto ng posterior at likelihood at mga calibration plot.
  • May mahusay na kasanayan sa exploratory data analysis.
  • May mahusay na kasanayan sa teknikal na pagsulat.
  • May praktikal na kaalaman sa AWS, mas mainam kung SageMaker.
  • May praktikal na kaalaman sa tool para sa pagsubaybay ng eksperimento gaya ng MLflow.
  • Kayang tukuyin kung handa nang ilabas ang trabaho at suportahan ng ebidensiya ang pasyang iyon.
  • Kabilang sa kapaki-pakinabang na karanasan ang psychometrics o pagsukat sa edukasyon; mga cognitive diagnostic model o Bayesian network; probabilistic programming gaya ng Stan o PyMC; R; Snowflake at dbt; Terraform; GitHub Actions; knowledge graph o ontology; at data ng pagtatasa sa K–12.

Mga Benepisyo

  • Taunang saklaw ng sahod na $110,000 hanggang $115,000.
  • Programa para sa kultura at mga benepisyo; makikita ang mga detalye sa naka-link na pahina ng HMH.

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