مهندس بيانات - توضيح

بصفتك مهندس بيانات - توضيح، ستكون حلقة الوصل الحيوية بين فريق هندسة النماذج وفريق وضع العلامات على البيانات، مما يضمن أن البيانات التي تغذي أنظمتنا الذكية نظيفة ومتسقة وجاهزة للإنتاج.
ستتحمل مسؤولية سير العمل الذي يولد وينظم ويحافظ على مجموعات بيانات عالية الجودة عبر عدة أنماط، بينما تستخدم نماذج اللغة الكبيرة، والأتمتة، والتحليل الإحصائي لاكتشاف الشذوذ وتحسين جودة البيانات على نطاق واسع.
سيؤثر عملك بشكل مباشر على موثوقية منتجات VoiceAI والمنتجات المدفوعة بالذكاء الاصطناعي من خلال ضمان أن تكون خطوط وضع العلامات ومعايير التوضيح وبيانات التقييم قوية بما يكفي لدعم عمليات المطاعم الحقيقية ذات المخاطر العالية.
الوظائف الأساسية: عمليات البيانات وامتلاك سير العمل العمل كنقطة انتقال بين هندسة النماذج ووضع العلامات على البيانات، وترجمة متطلبات النموذج والمنتج إلى بيانات ملموسة وسير عمل توضيحي.
تصميم وتنفيذ وصيانة سير عمل بيانات قابلة للتوسع لتوليد مجموعات البيانات وتنظيمها وصيانتها المستمرة.
ضمان جودة البيانات والتناسق عبر مشاريع وضع العلامات، مع التركيز على موثوقية العمليات لأنظمة الذكاء الاصطناعي الإنتاجية.
إدارة التوضيح والجودة إنشاء ومراجعة وصيانة توضيحات عالية الجودة عبر عدة أنماط، بما في ذلك النصوص والصوت والنصوص المحادثة ومجموعات البيانات المنظمة.
تحديد عدم التناسق في وضع العلامات، وأخطاء البيانات، والحالات الشاذة؛ اقتراح وفرض إجراءات تصحيحية وتحسينات على معايير التوضيح.
استخدام منصات مثل Labelbox وLabel Studio أو Langfuse لإدارة سير العمل الكبير لوضع العلامات وفرض تنفيذ المهام بشكل متسق.
الأتمتة، والأدوات، وضمان الجودة المدعوم بنماذج اللغة الكبيرة استخدام بايثون وSQL لاستخراج البيانات والتحقق منها وتحويلها وأتمتة سير العمل عبر خطوط وضع العلامات.
الاستفادة من نماذج اللغة الكبيرة (مثل GPT-4 وClaude وGemini) لإجراء فحوصات الجودة المعتمدة على الموجهات، والمراجعة الآلية، والتحقق من بيانات التوضيح.
تنفيذ فحوصات ضمان الجودة الآلية وآليات اكتشاف الشذوذ لتوسيع ضمان الجودة لمجموعات البيانات الكبيرة.
التحليل، والقياسات، والتحسين المستمر تحليل مقاييس أداء التوضيح واتجاهات الجودة لاستخراج رؤى قابلة للتنفيذ لتحسين سير العمل في وضع العلامات ودقة البيانات العامة.
تطبيق التحليل الإحصائي لاكتشاف الشذوذ في البيانات، والتحيز في التوضيح، ومشكلات الجودة، والتعاون مع أصحاب المصلحة للتخفيف منها.
التعاون عبر الوظائف والتوثيق العمل بشكل وثيق مع فرق هندسة النماذج، ووضع العلامات على البيانات، وفرق التعلم الآلي لضمان توافق عمليات البيانات مع متطلبات النموذج وأهداف المنتج.
توثيق معايير البيانات، وإرشادات التوضيح، وأفضل الممارسات لسير العمل للاستخدام من قبل الفرق الداخلية وشركاء وضع العلامات الخارجيين.
الخبرة في وضع العلامات على البيانات والاستخدام العملي لمنصات مثل Labelbox وLabel Studio أو Langfuse لإدارة سير العمل الكبير لوضع العلامات.
إتقان بايثون وSQL لاستخراج البيانات والتحقق منها وأتمتة سير العمل في سياق عمليات البيانات أو هندسة البيانات.
خبرة عملية في استخدام نماذج اللغة الكبيرة (مثل GPT-4 وClaude وGemini) لإجراء فحوصات الجودة المعتمدة على الموجهات، والمراجعة الآلية، والتحقق من البيانات.
خبرة مثبتة في العمل مع مجموعات بيانات كبيرة الحجم / عالية الحجم.
على الأقل دور واحد سابق حيث كانت أتمتة سير عمل البيانات جزءًا صريحًا من نطاق العمل أو المسؤوليات.
القدرة على إجراء التحليل الإحصائي لاكتشاف الشذوذ في البيانات، والتحيز في التوضيح، ومشكلات الجودة.
مهارات قوية في استنباط المتطلبات والتواصل، مع عقلية مدفوعة بالعمليات وتركز على التفاصيل عند العمل مع الفرق متعددة الوظائف.
المؤهلات: بكاليوس أو أعلى في تخصص كمي (علوم البيانات، علوم الحاسوب، الهندسة، أو مجال ذي صلة) 5+ سنوات من الخبرة ذات الصلة مع درجة بكاليوس، أو 3+ سنوات من الخبرة مع درجة الماجستير إتقان مثبت في SQL للتقارير وبايثون للأتمتة والبرمجة الخبرة الأكاديمية أو البحثية التطبيقية المتعلقة بمجموعة بيانات تقييم نماذج اللغة الطبيعية هي ميزة قوية يجب أن تكون مرنًا للعمل خلال ساعات الولايات المتحدة (حتى الساعة 1:30 مساءً بتوقيت شرق الولايات المتحدة) لهذه الوظيفة.