Машинное обучение MLNG
Разработка систем, которые учатся на опыте и с помощью данных.
Методические рекомендации:
Деятельность может включать, но не ограничиваться:
- оценка обученных моделей на предмет их производительности, устойчивости и смещения
- выбор и использование показателей для изучения результатов
- диагностика и решение проблем до и после развертывания
- прогнозирование организационных последствий применения моделей машинного обучения в отношении этики, предвзятости, конфиденциальности и защиты данных
- установление прослеживаемости результатов, полученных системами машинного обучения.
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.
Уровень 1
Машинное обучение: Уровень 2
Применяет заданные методы машинного обучения к данным под руководством технического руководства. Анализирует и сообщает о результатах, а также устраняет простые проблемы, используя алгоритмы, реализованные в стандартных программных системах и инструментах.
Машинное обучение: Уровень 3
Применяет существующие методы машинного обучения к новым проблемам и наборам данных. Оценивает результаты и эффективность систем машинного обучения. Выявляет проблемы и рекомендует улучшения систем машинного обучения и данных, которые они используют.
Машинное обучение: Уровень 4
Учитывая хорошо описанную проблему и набор данных, оценивает, может ли машинное обучение обеспечить эффективное решение. Внедряет алгоритмы, разработанные другими. Консультирует по вопросам эффективности конкретных методов, основываясь на результатах проекта и более широких исследований. Вносит вклад в разработку, оценку, мониторинг и внедрение систем машинного обучения. Понимает и применяет правила и рекомендации, характерные для отрасли, а также предвидит риски и другие последствия моделирования.
Машинное обучение: Уровень 5
Разрабатывает, внедряет, тестирует и совершенствует архитектуры и системы машинного обучения. Выбирает методы на основе обширных знаний о сильных и слабых сторонах и ожидаемой эффективности различных подходов. Устанавливает надлежащую практику в разработке, оценке, мониторинге и развертывании систем машинного обучения.
Машинное обучение: Уровень 6
Руководит разработкой новых подходов и организационных возможностей для проектирования, обучения и оценки систем машинного обучения. Устанавливает стандарты и рекомендации по применению и отслеживанию систем машинного обучения для решения бизнес-задач и контролирует их внедрение. Разрабатывает и контролирует организационные политики по созданию, обучению и использованию систем машинного обучения.