Машинное обучение MLNG Бета-версия
(modified)
Разработка систем, которые учатся на основе данных и опыта, повышая производительность, точность и адаптивность в динамичных средах.
Перевод SFIA 9 на русский язык: Бета-версия
SFIA 9 на английском языке уже доступна.
- Это бета-версия SFIA 9 на русском языке.
-
Мы создали её с помощью платформы Phrase Localization Platform, объединив:
- Переведенный контент из SFIA 8
- Вклад от 7 ведущих поставщиков машинного перевода
- Мы обновим этот перевод после проверки и контроля качества.
- Пожалуйста, свяжитесь с нами, если заметите какие-либо ошибки или у вас возникнут вопросы.
Примечание: Хотя машинный перевод помогает создавать первоначальные версии, профессиональная проверка обеспечивает точность и соответствие языка контексту.
Методические рекомендации:
(modified)
Деятельность может включать, но не ограничиваться:
- оценка пригодности машинного обучения для решения бизнес-задач
- выбор и применение соответствующих методов, алгоритмов и инструментов машинного обучения для решения бизнес-задач
- подготовка данных для машинного обучения, включая очистку, преобразование и разработку функций
- разработка, обучение, оптимизация и переобучение моделей с использованием контролируемого, неконтролируемого или подкрепляющего обучения
- управление MLOps для развертывания, мониторинга и управления жизненным циклом моделей
- оценивать модели на предмет эффективности, надежности, справедливости и предвзятости, а также выбирать метрики для оценки результатов
- диагностика и решение проблем до и после развертывания
- прогнозирование организационных последствий, включая этику, предвзятость, конфиденциальность, устойчивость и защиту данных
- установление прослеживаемости результатов, полученных системами машинного обучения.
- внедрение механизмов непрерывного обучения для обеспечения адаптации моделей к новым данным и изменяющимся условиям, включая адаптацию в режиме реального времени к новым исходным данным и изменяющимся условиям.
Понимание уровней ответственности этого навыка
Там, где нижние уровни не определены...
- Конкретные задачи и обязанности не определены, потому что навык требует более высокого уровня автономии, влияния и сложности в принятии решений, чем обычно ожидается на этих уровнях. Операторы сущности можно использовать для понимания общих обязанностей, связанных с этими уровнями.
Там, где не определены более высокие уровни...
- Обязанности и подотчетность не определены, потому что эти более высокие уровни предполагают стратегическое лидерство и более широкое организационное влияние, выходящее за рамки этого конкретного навыка. Смотрите основные утверждения.
Развитие навыков и демонстрация обязанностей, связанных с этим навыком
Определенные уровни показывают постепенное развитие навыков и ответственности.
Там, где нижние уровни не определены...
Вы можете развивать свои знания и поддерживать других людей, которые несут ответственность в этой области, следующим образом:
- Изучение ключевых концепций и принципов, связанных с этим навыком и его влиянием на вашу роль
- Выполнение соответствующих навыков (см. соответствующие навыки SFIA)
- Поддержка других лиц, выполняющих задачи и мероприятия более высокого уровня
Там, где не определены более высокие уровни...
- Вы можете прогрессировать, развивая соответствующие навыки, которые лучше подходят для более высоких уровней организационного лидерства.
Нажмите, чтобы узнать, почему навыки SFIA не определены на всех 7 уровнях.
Показать/скрыть дополнительные описания и уровни.
Уровни ответственности за этот навык
2 | 3 | 4 | 5 | 6 |
Уровень 1
Машинное обучение: Уровень 2
(modified)
Помогает в подготовке данных, обучении моделей и оценке задач под повседневным руководством. Использует стандартные фреймворки и инструменты машинного обучения для разработки базовых моделей для четко определенных задач. Документирует результаты и вносит вклад в поддержку решений в области машинного обучения.
Машинное обучение: Уровень 3
(modified)
Применяет разработанные методы и алгоритмы машинного обучения для решения бизнес-задач. Отбирает и подготавливает данные для обучения и оценки моделей. Обучает, оптимизирует и проверяет модели машинного обучения с помощью стандартных инструментов и фреймворков. Внедряет модели в производство и следит за их работой. Доведение результатов и ограничений до сведения заинтересованных сторон.
Машинное обучение: Уровень 4
(modified)
Оценивает пригодность машинного обучения, проектирует и разрабатывает решения для ряда бизнес-задач. Выбирает и применяет подходящие методики и алгоритмы на основе характеристик данных и требований бизнеса. Предоставляет рекомендации другим. Разрабатывает функции и оптимизирует работу моделей. Внедряет алгоритмы и участвует в разработке, оценке, мониторинге и развертывании. Применяет отраслевые правила и рекомендации, прогнозируя риски и последствия. Сотрудничает с межфункциональными командами для интеграции моделей машинного обучения в производственные системы. Проводит глубокий анализ производительности и устраняет неполадки.
Машинное обучение: Уровень 5
(modified)
Руководит разработкой и внедрением решений в области машинного обучения для решения сложных и высокоэффективных бизнес-задач. Проектирует сквозные конвейеры и системы машинного обучения, применяя практику MLOps. Оценивает и выбирает инструменты, фреймворки и инфраструктуру для проектов машинного обучения. Создает практики и стандарты разработки и эксплуатации систем машинного обучения. Предоставляет экспертные консультации и рекомендации по методам и приложениям машинного обучения. Сотрудничает с заинтересованными сторонами для согласования инициатив в области машинного обучения с организационными целями.
Машинное обучение: Уровень 6
(modified)
Определяет стратегическое направление и дорожную карту внедрения машинного обучения и инноваций в организации. Создает структуру управления и рекомендуемые протоколы для ответственного, этичного и устойчивого развития и использования машинного обучения. Руководит разработкой организационных возможностей, политик, стандартов и рекомендаций в области машинного обучения. Сотрудничает со старшими заинтересованными сторонами для определения возможностей машинного обучения с высокой отдачей и стимулирует их реализацию. Следит за исследованиями и отраслевыми тенденциями и внедряет их в организационную практику.