HMH
HMH
HMH utvecklar läroplaner, bedömningsverktyg och lärresurser för grundskola och gymnasium. Företagets program omfattar läs- och skrivutveckling, matematik, naturvetenskap, samhällskunskap och socialt och emotionellt lärande. HMH erbjuder också kompetensutveckling som hjälper lärare att stärka sin undervisning och stödja elevernas lärande.

Distansbaserad maskininlärningsingenjör hos HMH

Bygg och driftsätt förklarbara modeller för elevbedömning på AWS SageMaker. Hjälp HMH att förbättra läranderesultat i grund- och gymnasieskolan med maskininlärning i produktion.

Beskrivning

  • Hantera modeller från dataförberedelse till träning, validering, driftsättning, övervakning och vidareutveckling.
  • Utforska och validera data före och efter modellering och dokumentera sedan resultaten.
  • Kör Python-träningsjobb och pipelines i AWS SageMaker.
  • Följ experiment med MLflow och utvärdera modeller på undanhållna kohorter.
  • Registrera, befordra och driftsätt modellversioner med spårbar härkomst för data, kod och modeller.
  • Driftsätt realtidsslutpunkter och batchpoängsättning med en feature store och Snowflake.
  • Optimera latens, kostnad och kapacitet.
  • Övervaka prediktionskvalitet, felfrekvenser och drift med hjälp av instrumentpaneler och aviseringar.
  • Leda månatliga granskningar av produktionshälsa och skuldfria efteranalyser.
  • Rekommendera modelluppdateringar utifrån produktionsdata och bidra till tekniska designförslag (RFC:er).
  • Hjälpa analytiker, produktteam och datateam att tolka och använda modellresultat.
  • Anpassa modeller till olika ämnen och läroplaner utan att underhålla separata kodförgreningar.
  • Poängsätta stora elevpopulationer på nytt medan live-tjänster fortsätter att köras.
  • Köra modellversioner parallellt och avveckla dem på ett säkert sätt.
  • Förbättra effektiviteten i träning och inferens samtidigt som modellernas beteende bevaras.
  • Samarbeta i ett strömningsorienterat team med en senior- eller staffingenjör.

Krav

  • Dokumenterad erfarenhet av att leverera modeller eller maskininlärningssystem som andra använder.
  • För IC4 vanligtvis minst tre års praktisk erfarenhet, eller doktorsexamen med relevant praktisk erfarenhet.
  • Masterexamen eller doktorsexamen inom ett kvantitativt ämne, exempelvis psykometri, förväntas.
  • Skriv idiomatisk, typad och testad Python-kod.
  • Erfarenhet av CI/CD, GitHub Actions och infrastruktur som hanteras med Terraform.
  • Goda kunskaper i SQL.
  • God grund i statistik, inklusive begreppen posterior och likelihood samt kalibreringsdiagram.
  • Goda färdigheter i explorativ dataanalys.
  • Mycket god förmåga att skriva teknisk dokumentation.
  • Praktisk kunskap om AWS, helst SageMaker.
  • Praktisk kunskap om ett verktyg för experimentuppföljning, exempelvis MLflow.
  • Förmåga att bedöma när arbete är redo att lanseras och underbygga bedömningen med belägg.
  • Meriterande erfarenhet omfattar psykometri eller pedagogisk mätning; kognitiva diagnostiska modeller eller bayesianska nätverk; probabilistisk programmering som Stan eller PyMC; R; Snowflake och dbt; Terraform; GitHub Actions; kunskapsgrafer eller ontologier; samt bedömningsdata för grund- och gymnasieskolan.

Förmåner

  • Årslön på 110 000–115 000 USD.
  • Kultur- och förmånsprogram; mer information finns på HMH:s länkade sida.

Relaterade jobb

CrowdStrike

Hotanalytiker, effektivitet hos maskininlärningsbaserad detektion

CrowdStrike

Analysera rapporter om skadlig kod och kunders detektioner för att bidra till att förbättra CrowdStrikes maskininlärningsbaserade detektioner. Stöd hantering av falska positiva resultat och dela slutsatser om detektionernas effektivitet med interna team.

Öppna
PAR Technology

MLOps-ingenjör, identitetsmatchning

PAR Technology

Ta Bridgs modeller för identitetsmatchning till produktion i PAR Technologys plattform för restaurangprogramvara. Bygg AWS- och Spark-pipelines, CI/CD, övervakning och datagränssnitt som agenter kan fråga.

Öppna
Volga Partners

Distansbaserad dataannoterare inom objektdetektering – USA

Volga Partners

Annotera visuella datamängder för Volga Partners AI-projekt genom att märka ut objekt som stöd för datorseendesystem. Bidra till bättre objektdetektering genom noggrant och konsekvent arbete.

Öppna