HMH 為 K–12 階段教育開發課程、評量工具與學習資源。其計畫涵蓋讀寫、數學、科學、社會研究與社會情緒學習，並提供專業發展，協助教育工作者精進教學實務、支持學生學習。
HMH 遠端機器學習工程師
在 AWS SageMaker 上建置並營運可解釋的學生評量模型。 透過正式環境中的機器學習系統，協助 HMH 改善 K–12 學習成果。
說明
- 管理模型的完整生命週期，涵蓋資料準備、訓練、驗證、部署、監控與迭代。
- 在建模前後探索並驗證資料，然後記錄研究結果。
- 在 AWS SageMaker 執行 Python 訓練工作與管線。
- 使用 MLflow 追蹤實驗，並在保留群組上評估模型。
- 註冊、升級並部署模型版本，確保資料、程式碼與模型沿革可追溯。
- 使用特徵存放區與 Snowflake 營運即時端點和批次評分。
- 最佳化延遲、成本與容量。
- 透過儀表板與警示監控預測品質、故障率及漂移。
- 主持每月正式環境健康檢視與無責檢討會。
- 根據正式環境證據建議模型更新，並參與設計 RFC。
- 協助分析、產品與資料團隊解讀並運用模型輸出。
- 調整模型以適用於不同學科與課程，無須維護獨立的程式碼分支。
- 在維持線上服務運作的同時，為大量學生重新評分。
- 平行執行多個模型版本，並安全地淘汰舊版本。
- 在維持模型行為的同時，提升訓練與服務效率。
- 與資深或首席工程師在依資料流組織的團隊中合作。
職位要求
- 具備交付供他人使用的模型或機器學習系統的實務經驗。
- IC4 職級通常需要至少三年實務經驗，或具備相關實務經驗的博士學位。
- 要求具備定量學科的碩士或博士學位，例如心理計量學。
- 能撰寫符合慣例、具型別標註且經過測試的 Python 程式碼。
- 具備 CI/CD、GitHub Actions，以及使用 Terraform 管理基礎架構的經驗。
- 具備扎實的 SQL 技能。
- 具備穩固的統計學基礎，包括後驗機率、似然概念與校準圖。
- 具備扎實的探索性資料分析能力。
- 具備優秀的技術寫作能力。
- 熟悉 AWS，最好具備 SageMaker 使用經驗。
- 熟悉 MLflow 等實驗追蹤工具。
- 能判斷工作何時適合發布，並以證據支持判斷。
- 以下經驗有助益：心理計量學或教育測量；認知診斷模型或貝葉斯網路；Stan 或 PyMC 等機率程式設計工具；R；Snowflake 與 dbt；Terraform；GitHub Actions；知識圖譜或本體；以及 K–12 評量資料。
福利待遇
- 年薪範圍為 110,000 至 115,000 美元。
- 提供文化與福利方案；詳情請見 HMH 的連結頁面。
