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。
機器學習工程師，AWS SageMaker
將可解釋的學生評量模型從開發階段推進至 AWS SageMaker 正式環境。透過可靠的建模、部署、監控與持續改進，支援 HMH 學習產品。
說明
- 負責模型生命週期，涵蓋資料準備、訓練、部署、監控與版本更新
- 在模型擬合前後探索並驗證資料，記錄分析結果
- 使用 Python、SageMaker 訓練任務與管線訓練並驗證模型
- 在 MLflow 中記錄實驗，並在正式上線前使用保留群體測試模型
- 註冊、晉升與部署模型版本時，清楚維護模型資料、程式碼、權重與服務的沿革紀錄
- 透過程式碼審查與持續整合發布模型
- 運用特徵儲存庫與 Snowflake，透過即時端點和批次評分提供模型服務
- 最佳化模型延遲、成本與容量
- 使用儀表板和警示追蹤預測品質、故障與漂移
- 每月檢視正式環境健康狀況，並主導無責檢討
- 依據正式環境證據提出模型改進建議，並為團隊 RFC 提供參考
- 協助分析、產品與資料團隊解讀並運用模型輸出
- 在與業務流程對齊的團隊中，與資深或主任工程師合作
- 開發可跨科目或課程綱要泛化的模型，無須為不同情境維護獨立程式碼分支
- 在即時服務持續可用的同時，為大量學生重新評分
- 並行運作多個模型版本，並安全地淘汰舊版本
- 在維持模型輸出的前提下，提升訓練與服務效率
職位要求
- 具備交付他人仰賴的模型或機器學習系統的實務經驗
- IC4 通常需至少三年實作經驗，或具備博士學位及相關實務經驗
- 預期具備定量領域（包括心理計量學）的碩士或博士學位
- 能撰寫符合 Python 慣例、具型別標註且經過測試的程式碼
- 熟悉 CI/CD、GitHub Actions，以及透過 Terraform 管理的基礎架構
- 具備扎實的 SQL 技能
- 具備統計學基礎，包括後驗與概似概念及校準圖
- 熟練執行探索性資料分析
- 具備優秀的技術寫作能力
- 具備 AWS 工作知識，熟悉 SageMaker 者尤佳
- 具備 MLflow 等實驗追蹤工具的工作知識
- 能判斷工作何時適合發布，並以證據支持判斷
- 以下經驗或知識將有所助益：心理計量學或教育測量；認知診斷模型或貝葉斯網路；使用 Stan 或 PyMC 進行機率程式設計；R；Snowflake 與 dbt；Terraform；GitHub Actions；知識圖譜或本體；以及 K–12 評量資料
- 必須獲准在美國工作；HMH 參與 E-Verify
福利待遇
- 年薪範圍為 110,000 至 115,000 美元
- 致力於提供平等就業機會
- 提供免於歧視與騷擾的工作環境
