数字世界的全球技能和能力框架

机器学习 MLNG

开发通过经验和数据使用进行学习的系统。

指导说明

活动可能包括但不限于:

  • 评估训练模型的性能、稳健性和偏差
  • 选择和使用度量来检查结果
  • 在部署前后诊断并解决问题
  • 预测机器学习模型在道德、偏见、隐私与数据保护方面的组织影响
  • 建立机器学习系统产出结果的可追溯性。
2 3 4 5 6

Levels of responsibility for this skill

机器学习: 级别 1

这种技能通常不会在这种责任和问责制水平上被观察到或实践。

机器学习: 级别 2

在技术领导的指导下,将机器学习技术应用到数据中。使用在标准软件框架和工具中实现的算法,分析和报告结果,并纠正简单的问题。

机器学习: 级别 3

将现有的机器学习技术应用于新的问题和数据集。评估机器学习系统的结果和性能。发现问题并就改进机器学习系统及其使用数据提出建议。

机器学习: 级别 4

在给定描述充分的问题和数据集的条件下,评估机器学习能否带来有效的解决方案。实现他人开发的算法。根据项目结果和更为广泛的研究,对具体技术的有效性提出建议。协助机器学习系统的开发、评估、监测与部署。了解并应用特定于行业的规则和指南,并预测建模的风险及其他影响。

机器学习: 级别 5

设计、实施、测试和改进机器学习体系结构与系统。根据对不同方法的优势、劣势和预期性能的广泛了解进行技术选择。针对机器学习系统的开发、评估、监控和部署,建立良好的实践。

机器学习: 级别 6

引领设计、培训和评估机器学习系统的新方法和组织能力的发展。针对机器学习系统对业务问题的应用和可追溯性制定标准和指南,并监督其实施。设计和监督有关机器学习系统的创建、培训及使用的组织政策。

机器学习: 级别 7

这种技能通常不会在这种责任和问责制水平上被观察到或实践。