Über die Stelle
Vergütung: 60–120 USD pro Stunde entsprechend, bezahlt pro akzeptierter Aufgabe
Standort: Global, vollständig remote
Beschäftigungsart: Auftragnehmer
Zeitaufwand: 15+ Stunden pro Woche
Zeitplan: Flexibel
micro1 sucht Computational Earth and Environmental Scientists mit vorheriger beruflicher Erfahrung im KI-Training oder in der Modellbewertung zur Unterstützung eines Projekts zur Verbesserung fortgeschrittener KI-Systeme.
Sie werden Ihre wissenschaftliche Expertise und Programmierkenntnisse einsetzen, um anspruchsvolle technische Aufgaben zu erstellen, modellgenerierten Code und Analysen zu bewerten, Fehler zu identifizieren und objektive Standards für korrekte Lösungen festzulegen. Diese Rolle richtet sich an Kandidaten, die substanzielle KI-Trainingsarbeit mit Erd-, Klima-, Umwelt- oder Geodateninhalten abgeschlossen haben.
Woran Sie arbeiten werden
- Erstellen realistischer computergestützter erdwissenschaftlicher Aufgaben, die fortgeschrittene KI-Modelle herausfordern.
- Entwickeln von Aufgabenanweisungen, reproduzierbaren Umgebungen, Referenzlösungen und Bewertungskriterien.
- Bewerten von modellgeneriertem Code, Geodatenanalysen, Simulationen, Prognosen und technischen Ergebnissen.
- Identifizieren von Problemen bei Koordinatensystemen, räumlichen oder zeitlichen Daten, Modellannahmen, Unsicherheit, numerischen Methoden oder Reproduzierbarkeit.
Erforderliche Qualifikationen
- Vorherige bezahlte Erfahrung im Trainieren, Bewerten, Benchmarking oder Verbessern von KI-Systemen bei wissenschaftlichen oder technischen Aufgaben.
- Ausgeprägte praktische Kenntnisse in Python.
- Fundierte Expertise in mindestens einer relevanten Spezialisierung der Erd- oder Umweltwissenschaften.
- Praktische Erfahrung mit computergestützten Methoden für Geodatenanalyse, Modellierung, Simulation, Prognose, Fernerkundung, Statistik oder reproduzierbare Forschung.
Relevante Spezialisierungen können Geowissenschaften, Geologie, Geophysik, Atmosphäre und Klima, Meteorologie, Ozean- und Meereswissenschaften, Hydrologie, Fernerkundung, Umweltwissenschaften und Nachhaltigkeit umfassen.
Öffentlicher Kompetenznachweis
Starke Bewerber sollten Nachweise vorlegen wie:
- Peer-reviewte Publikationen oder Preprints mit computergestützten Methoden
- Öffentlicher Code für Geodaten-, Klima-, Ozean- oder Umweltanalysen
- Google Scholar, ORCID oder gleichwertige Forschungsprofile
- Beiträge zu Open-Source-Wissenschaftssoftware
- Öffentliche Datensätze, Modelle, Notebooks, Karten oder Simulationen
- Öffentlich dokumentierte Prognose-, Fernerkundungs- oder Umweltprojekte
Bevorzugte Qualifikationen
- Erfahrung mit der Erstellung von KI-Trainingsaufgaben, Referenzantworten, Bewertungsrastern, Bewertungsskripten oder Benchmark-Problemen.
- Erfahrung mit der Prüfung technischer Einreichungen anderer KI-Trainer.
- Erfahrung mit NumPy, SciPy, pandas, xarray, GeoPandas, GDAL, rasterio, NetCDF oder vergleichbaren Tools.
- Erfahrung mit der Validierung computergestützter Ergebnisse anhand von Beobachtungen, Messungen oder etablierten Modellen.
- Verfügbarkeit für einen sofortigen Beginn.
Bewerbungsprozess
- Reichen Sie Ihre Bewerbung, Ihre KI-Trainingserfahrung, Ihre Spezialisierung und öffentliche technische Nachweise ein.
- Absolvieren Sie ein KI-Interview mit technischen und Integritätsprüfungen.
- Absolvieren Sie eine Prüfung durch den Einstellungsmanager.
- Wenn Sie ausgewählt werden, absolvieren Sie das Projekt-Onboarding und beginnen mit Ihrer ersten zugewiesenen Aufgabe.
Vergütung
- Die Vergütung ist leistungsbasiert. Experten werden für Aufgaben bezahlt, die den Projektspezifikationen und Qualitätsanforderungen entsprechen. Aufgabenverfügbarkeit und Bearbeitungszeit können variieren.