Uczenie maszynowe MLNG
Rozwijanie systemów, które uczą się poprzez doświadczenie i wykorzystanie danych.
Uwagi zawierające wskazówki
Działania mogą obejmować między innymi:
- ocenę szkolonych modeli pod względem ich wydajności, odporności i stronniczości
- wybór i wykorzystanie metryk do badania wyników
- diagnozowanie i rozwiązywanie problemów przed wdrożeniem i po wdrożeniu
- przewidywanie organizacyjnych implikacji modeli uczenia maszynowego w zakresie etyki, stronniczości, prywatności i ochrony danych
- ustanowienie identyfikowalności wyników osiąganych przez systemy uczenia maszynowego.
Zrozumienie poziomów odpowiedzialności związanych z tą umiejętnością
Tam, gdzie niższe poziomy nie są zdefiniowane...
- Konkretne zadania i obowiązki nie są zdefiniowane, ponieważ umiejętność wymaga wyższego poziomu autonomii, wpływu i złożoności w podejmowaniu decyzji, niż zwykle oczekuje się na tych poziomach. Możesz użyć stwierdzeń esencji, aby zrozumieć ogólne obowiązki związane z tymi poziomami.
Tam, gdzie wyższe poziomy nie są zdefiniowane...
- Obowiązki i odpowiedzialność nie są zdefiniowane, ponieważ te wyższe poziomy obejmują strategiczne przywództwo i szerszy wpływ organizacyjny, który wykracza poza zakres tej konkretnej umiejętności. Zapoznaj się z esencjonalnymi stwierdzeniami.
Rozwijanie umiejętności i wykazywanie się obowiązkami związanymi z tą umiejętnością
Zdefiniowane poziomy pokazują stopniowy postęp w umiejętnościach i odpowiedzialności.
Tam, gdzie niższe poziomy nie są zdefiniowane...
Możesz rozwijać swoją wiedzę i wspierać innych, którzy są odpowiedzialni w tym obszarze poprzez:
- Poznanie kluczowych pojęć i zasad związanych z tą umiejętnością i jej wpływem na Twoją rolę
- Wykonywanie powiązanych umiejętności (zobacz powiązane umiejętności SFIA)
- Wspieranie innych, którzy wykonują zadania i działania na wyższym poziomie
Tam, gdzie wyższe poziomy nie są zdefiniowane...
- Możesz się rozwijać, rozwijając powiązane umiejętności, które są lepiej dostosowane do wyższych poziomów przywództwa organizacyjnego.
Pokaż/ukryj dodatkowe opisy i poziomy.
Poziom 1
Uczenie maszynowe: Poziom 2
Stosuje otrzymane techniki uczenia maszynowego do danych, pod nadzorem kierownictwa technicznego. Analizuje i raportuje wyniki oraz rozwiązuje proste problemy przy użyciu algorytmów zaimplementowanych w standardowych strukturach i narzędziach oprogramowania.
Uczenie maszynowe: Poziom 3
Stosuje istniejące techniki uczenia maszynowego do nowych problemów i zbiorów danych. Ocenia wyniki i wydajność systemów uczenia maszynowego. Identyfikuje problemy i rekomenduje ulepszenia systemów uczenia maszynowego oraz danych, z których korzystają.
Uczenie maszynowe: Poziom 4
Biorąc pod uwagę dobrze opisany problem i zbiór danych, ocenia, czy uczenie maszynowe może zapewnić skuteczne rozwiązanie. Wdraża algorytmy opracowane przez innych. Doradza w zakresie skuteczności konkretnych technik, na podstawie wyników projektów i szerszych badań. Uczestniczy w rozwoju, ocenie, monitorowaniu i wdrażaniu systemów uczenia maszynowego. Rozumie i stosuje zasady i wytyczne właściwe dla branży oraz przewiduje ryzyko i inne konsekwencje modelowania.
Uczenie maszynowe: Poziom 5
Projektuje, implementuje, testuje i ulepsza architektury i systemy uczenia maszynowego. Wybiera techniki na podstawie szerokiej wiedzy na temat mocnych i słabych stron oraz oczekiwanej wydajności różnych podejść. Ustanawia dobre praktyki w zakresie rozwoju, oceny, monitorowania i wdrażania systemów uczenia maszynowego.
Uczenie maszynowe: Poziom 6
Kieruje rozwojem nowych podejść i możliwości organizacyjnych w zakresie projektowania, szkolenia i oceny systemów uczenia maszynowego. Wyznacza standardy i wytyczne dotyczące zastosowania i identyfikowalności systemów uczenia maszynowego do problemów biznesowych oraz nadzoruje ich wdrażanie. Projektuje i nadzoruje politykę organizacyjną w zakresie tworzenia, szkolenia i wykorzystania systemów uczenia maszynowego.