Frost & Sullivan er et globalt konsulent- og markedsundersøkelsesselskap som bistår organisasjoner innen helsevesen, markedsføring og andre bransjer. Teamet kombinerer bransjeundersøkelser, markedsinnsikt, analyser – inkludert AI-motoren FROST AI – og strategisk rådgivning for å hjelpe selskaper, investorer og offentlige organisasjoner med å vurdere muligheter, utforme innovasjonsstrategier, planlegge produktlanseringer, evaluere beslutninger om fusjoner og oppkjøp samt styrke planer for markedsintroduksjon. Selskapet samler også næringslivsledere gjennom arrangementer og lederfora og kobler forskning med praktisk vekstplanlegging på tvers av sektorer og geografiske områder.
AI-modelltrener, forretningsteknologi – hybrid i Singapore
Tren og evaluer Frost & Sullivans MetaBrain ved å omsette forskning og forretningsekspertise til strukturerte evalueringsressurser, regler og testede forbedringer av arbeidsflyter. Rollen kombinerer ekspertgjennomgang, kvalitetsmåling, kontrollert iterasjon og – for teknologisporet – Python-basert evaluering og håndtering av datasett.
Beskrivelse
- Lær opp og evaluer MetaBrains bruk av godkjente forskningsmetoder og forretningslogikk
- Omsett fagkompetanse til strukturerte eksempler, regler og vurderingskriterier
- Gjør rådgivertilbakemeldinger om til kontrollerte og testbare modellforbedringer
- Organiser autorisert forskning, taksonomier, beslutningsregler, eksempler og moteksempler
- Utvikle kildebelagte referansesvar og dokumenter omfang, datoer, begrensninger og tillatt bruk
- Lag vurderingskriterier som dekker faktagrunnlag, numerisk konsistens, relevans, fullstendighet og usikkerhet
- Gjennomfør blinde sammenligninger og registrer feil, uenighet mellom vurderere og resultater fra avgjørelser
- Oppretthold et skille mellom utviklingsmateriale og tilbakeholdte evalueringstilfeller
- Konfigurer prompter, innstillinger for informasjonsinnhenting og forretningsregler i godkjente design- og justeringsmiljøer
- Gjør rådgiverkorrigeringer om til versjonskontrollerte endringsforespørsler
- Test hver oppdatering på nytt og vedlikehold en dokumentert tilbakerullingslogg
- Samarbeid med tekniske trenere om eksperimentdesign og feilanalyse
- For teknologisporet: utvikle Python-skript for evaluering, administrer datasettversjoner og støtt begrunnede finjusteringseksperimenter
Krav
- Minst tre års omfattende erfaring med forskning, rådgivning eller kunnskapskvalitet; tilsvarende meritter vurderes
- Dokumentert evne innen evidensvurdering, forretningsskriving, numerisk validering og metodisk presisjon
- Grunnleggende kunnskap om AI eller store språkmodeller gjennom formelle studier eller sertifisering, samt praktisk erfaring med å teste eller forbedre AI-resultater
- Erfaring med fagfellevurdering, analytikerveiledning, koding av spørreundersøkelser, utvikling av taksonomier, kvalitetssikring, lavkodeautomatisering eller strukturert vedlikehold av kunnskapsbaser er en fordel
- Erfaring med SQL eller Python er nyttig for kandidater på forretningssporet
- Python-skripting for evaluering er påkrevd for teknologisporet