HMH 为 K–12 阶段教育开发课程、评估工具和学习资源。其项目涵盖读写、数学、科学、社会研究和社会情感学习，并提供专业发展支持，帮助教育工作者提升教学实践、支持学生学习。
HMH 远程机器学习工程师
在 AWS SageMaker 上构建并运行可解释的学生评估模型。 通过生产级机器学习系统，助力 HMH 改善 K–12 学习成果。
描述
- 管理模型的完整生命周期，涵盖数据准备、训练、验证、部署、监控和迭代。
- 在建模前后探索并验证数据，并记录分析结果。
- 在 AWS SageMaker 中运行 Python 训练任务和流水线。
- 使用 MLflow 跟踪实验，并在留出群组上评估模型。
- 注册、升级和部署模型版本，确保数据、代码和模型沿袭可追溯。
- 使用特征存储和 Snowflake 运行实时端点及批量评分。
- 优化延迟、成本和容量。
- 通过仪表板和告警监控预测质量、故障率和漂移。
- 主持每月生产健康评审和无责复盘。
- 根据生产环境证据提出模型更新建议，并参与设计 RFC。
- 帮助分析、产品和数据团队解读并使用模型输出。
- 调整模型以适配不同学科和课程，无需维护单独的代码分支。
- 在保持在线服务运行的同时，为大规模学生群体重新评分。
- 并行运行多个模型版本，并安全地停用旧版本。
- 在保持模型行为的同时，提高训练和服务效率。
- 与资深或首席工程师在按数据流组织的团队中协作。
任职要求
- 具备交付供他人使用的模型或机器学习系统的实践经验。
- IC4 级别通常需要至少三年实操经验，或拥有博士学位并具备相关实践经验。
- 要求拥有定量学科的硕士或博士学位，例如心理测量学。
- 能够编写符合惯例、带类型标注且经过测试的 Python 代码。
- 具备 CI/CD、GitHub Actions 以及使用 Terraform 管理基础设施的经验。
- 具备扎实的 SQL 技能。
- 具备统计学基础知识，包括后验概率、似然概念和校准图。
- 具备扎实的探索性数据分析技能。
- 具备出色的技术写作能力。
- 熟悉 AWS，最好有 SageMaker 使用经验。
- 熟悉 MLflow 等实验跟踪工具。
- 能够判断工作何时适合发布，并能以证据支持这一判断。
- 以下经验有帮助：心理测量学或教育测量；认知诊断模型或贝叶斯网络；Stan 或 PyMC 等概率编程工具；R；Snowflake 和 dbt；Terraform；GitHub Actions；知识图谱或本体；以及 K–12 评估数据。
福利待遇
- 年薪范围为 110,000 至 115,000 美元。
- 提供文化与福利计划；详情见 HMH 的链接页面。
