직무 소개
이 시간제 원격 계약직 역할에서 귀하는 Python(ML 중심) 품질 보증 리드(QAL)로서 Python 머신러닝 AI 트레이닝 프로젝트 전반의 품질, 일관성, 트레이너 성과를 감독하게 됩니다. AI가 생성한 Python 코드, ML 워크플로, 모델 설명, 트레이너/QA 작업을 검토하고, 프로젝트 가이드라인에 따른 출력 품질을 평가하며, 정확한 서면 피드백을 제공하고, 기여자가 기대 품질 기준을 준수하도록 보장합니다.
귀하는 코드 정확성, 머신러닝 방법론, 통계적 타당성, 재현성, 모델 평가 품질, 데이터 누수 위험, 패키지 사용, 디버깅 정확성, 가독성, 유지보수성, 형식, 지시 준수, 프로젝트별 루브릭 준수 여부를 기준으로 작업을 평가하게 됩니다. 이 역할은 강력한 Python 및 ML 전문성, 영어 의사소통 능력, 뛰어난 세부 사항 주의력, 원격 기술 팀 전반의 품질 워크플로를 관리하는 능력을 요구합니다.
이 역할은 빠르게 성장하는 AI 데이터 서비스 회사이자 SuperAnnotate의 자회사인 SME Careers에 소속되어 있으며, 세계 최대 AI 기업 및 파운데이션 모델 연구소 다수에 트레이닝 데이터를 제공합니다. 귀하의 Python ML 품질 리더십은 트레이닝 데이터가 정확하고, 실행 가능하며, 통계적으로 건전하고, 재현 가능하며, 명확히 설명되고, 고객 기대에 부합하도록 보장하는 데 기여합니다.
선발 과정은 AI 인터뷰, 도메인별 과제, 채용 담당자와의 인터뷰로 구성됩니다.
중요: 이 역할에 대한 즉시 프로젝트는 없습니다. 다만 자격을 갖추신 경우, 관련 기회가 발생하면 가장 먼저 연락드리는 전문가 중 한 명이 되실 것입니다. 또한 이를 통해 당사 전문가 네트워크를 통해 제공되는 향후 프로젝트에 접근하실 수 있습니다.
수행 업무
- 품질 모니터링: Python ML 항목을 표본 점검하고, 품질 문제를 식별하며, DM을 통해 피드백을 제공하고, 반복되거나 중대한 문제를 에스컬레이션합니다.
- 코드 및 ML 검토: AI가 생성한 Python 코드, ML 파이프라인, 데이터 전처리 단계, 모델 트레이닝 워크플로, 평가 로직, 디버깅 응답, 설명의 정확성 및 재현성을 평가합니다.
- 트레이너 및 QA 커뮤니케이션: Discord에서 기여자에게 가이드라인 변경, 워크플로 업데이트, Python/ML 관련 검토 기준을 전달합니다.
- 질문 처리: Python 구문, 패키지 사용, 데이터 누수, 모델 검증, 지표, 통계적 가정, 재현성, 노트북, 루브릭 해석에 관한 질문에 응답합니다.
- 트레이너/QA 활성화 관리: 비활성 기여자에게 DM을 보내고, 활성화를 독려하며, 후속 조치를 추적하고, 가용성 문제를 표시합니다.
- 문서화: Python ML 스타일 가이드, 트래커, FAQ, 예시, 허니팟, 캘리브레이션 과제, 온보딩 자료를 작성하고 유지합니다.
- 온보딩 및 트레이닝: Python ML 기여자를 위한 온보딩/트레이닝 통화를 진행합니다.
- 위험 검토: 오해의 소지가 있거나, 과도하게 확신에 찬, 통계적으로 타당하지 않은, 재현 불가능한, 안전하지 않은, 또는 프로덕션 준비가 되지 않은 Python ML 권장 사항을 표시합니다.
- 프로세스 개선: 반복되는 품질 격차를 식별하고 확장 가능한 QA 프로세스를 구축합니다.
자격 요건
- 컴퓨터 과학, 머신러닝, 데이터 과학, 통계학, 수학, 공학 또는 밀접하게 관련된 정량 분야의 학사, 석사 또는 박사 학위.
- 가이드라인을 따르고, 팀과 소통하며, 명확한 기술 피드백을 제공할 수 있는 강력한 영어 능력.
- Python 개발, 머신러닝, 데이터 과학, ML 엔지니어링, 모델 평가, 연구 엔지니어링, 기술 검토 또는 ML 교육 분야에서 3년 이상의 전문 경력.
- 데이터 구조, 함수, 클래스, 이터레이터, 컴프리헨션, 예외 처리, 가상 환경, 패키지 관리, 테스트, 디버깅 등 Python 기본기에 대한 강한 이해.
- 지도/비지도 학습, 피처 엔지니어링, 학습/테스트 분할, 교차 검증, 모델 선택, 데이터 누수, 회귀, 분류, 클러스터링, 지표, 편향/분산, 정규화, 재현성 등 ML 주제에 대한 강한 이해.
- 상세한 루브릭에 따라 ML 콘텐츠를 평가하고, 결함 있는 방법론, 잘못된 지표, 데이터 누수, 재현 불가능한 코드, 타당하지 않은 가정, 환각된 API, 오해의 소지가 있는 결론, 불완전한 설명 등의 문제를 식별하는 능력.
- NumPy, pandas, scikit-learn, PyTorch, TensorFlow/Keras, XGBoost/LightGBM, Jupyter, matplotlib, seaborn, MLflow, Hugging Face, SQL, GitHub, Docker, CI/CD에 대한 친숙함 우대.
- 트레이너, 어노테이터, 리뷰어, 엔지니어, 데이터 과학자, ML 연구자, 코딩 멘토 또는 QA로 구성된 원격 팀을 이끌거나 지원한 경험 강력 우대.
- Discord, Google Sheets, Google Docs, 트래커, 대시보드, GitHub, 프로젝트 관리 시스템을 사용하여 빠르게 변화하는 원격 환경에서 근무하는 데 익숙함.
- 고도로 체계적이며 스타일 가이드, 트래커, FAQ, 온보딩 자료, 허니팟, 캘리브레이션 과제, 품질 문서를 유지 관리할 수 있음.
- AI 트레이닝, 데이터 어노테이션, LLM 평가, 코드 QA, ML QA 또는 루브릭 기반 기술 검토 경험 강력 우대.