Pakar Kualiti Data – AI/ML / Anotasi Data

Keperluan Pekerjaan

• 2+ tahun pengalaman dalam pengurusan kualiti data, operasi data, atau peranan berkaitan dalam persekitaran AI/ML atau anotasi data.
• Berpengalaman dalam proses anotasi data, metodologi jaminan kualiti, dan metrik kualiti statistik (contohnya, skor F1, persetujuan antara penganotasi).
• Mahir dengan alat anotasi dan kawalan kualiti (contohnya, Labelbox, Dataloop, LabelStudio).
• Biasa dengan konsep teras saluran AI/ML, termasuk penyediaan data, latihan model, dan penilaian.

Tanggungjawab

Analisis Data

• Audit Kualiti: Melaksanakan audit kualiti ke atas set data beranotasi untuk memastikan ia memenuhi garis panduan dan penanda aras kualiti yang ditetapkan.
• Pelaporan Statistik: Menggunakan metrik kualiti berasaskan statistik seperti skor F1 dan persetujuan antara penganotasi untuk menilai kualiti data.
• Analisis Punca Akar: Menganalisis kesilapan anotasi, trend, proses projek, dan dokumentasi projek untuk mengenal pasti dan memahami punca kesilapan serta mencadangkan strategi pembetulan.
• Pengurusan Kes Tepi: Menyelesaikan dan menganalisis anotasi kes tepi untuk memastikan kualiti dan mengenal pasti bidang penambahbaikan.
• Alat: Mahir menggunakan alat anotasi dan kawalan kualiti untuk menjalankan semakan dan menjejak metrik kualiti.
• Garis Panduan: Menjadi pakar dalam garis panduan khusus projek dan memberi maklum balas untuk penjelasan atau penambahbaikan yang berpotensi.

Peningkatan Berterusan

• Automasi: Kenal pasti peluang untuk menggunakan automasi bagi meningkatkan analitik, menyediakan wawasan lebih mendalam, dan meningkatkan kecekapan.
• Dokumentasi: Membangun dan menyelenggara dokumentasi terkini mengenai piawaian kualiti, garis panduan anotasi, dan prosedur kawalan kualiti.
• Maklum Balas: Memberi maklum balas berkala yang mengenal pasti bidang penambahbaikan dalam keseluruhan saluran anotasi.

Kerjasama & Komunikasi

• Kerjasama Rentas Fungsi: Bekerjasama rapat dengan pihak berkepentingan projek utama dan pelanggan untuk memahami keperluan projek serta memperbaiki saluran anotasi.
• Latihan: Membantu melatih penganotasi, menyediakan panduan, maklum balas, dan sokongan untuk memastikan kualiti data.
• Pelaporan: Memberi kemas kini berkala yang menekankan metrik kualiti data, penemuan utama, dan wawasan tindakan untuk penambahbaikan proses berterusan.