Over de functie
Evalueer de kwaliteit, juistheid en methodologische grondigheid van taken voor toegepaste machine learning die worden gebruikt om de modellen van een frontier-AI-lab te trainen en te evalueren. U beoordeelt experimentontwerp, redeneringen bij modelselectie en evaluatiemethodologie — en geeft duidelijke, op rubrics gebaseerde schriftelijke feedback.
Basiskwalificaties
- 3+ jaar praktische ervaring met toegepaste/experimentele ML (experimentontwerp, modelselectie, hyperparameter-tuning, evaluatiemethodologie)
- Gedegen begrip van strikte datakwaliteit: detectie van data leakage, metric gaming en train-/test-/CV-hygiëne
- Vaardigheid met standaard ML-frameworks (PyTorch, TensorFlow, scikit-learn, XGBoost)
- Het vermogen om ML-beweringen kritisch te toetsen aan bewijs en resultaten te reproduceren
Gewenste kwalificaties
- Ervaring met wedstrijden / benchmarks (bijv. Kaggle)
- Onderzoek op masterniveau (graduate) of publicaties op het gebied van toegepaste ML
- Eerdere ervaring met het beoordelen van taken of peer review
Let op: deze functie evalueert de grondigheid van toegepaste/experimentele ML — het is geen functie voor het bouwen van LLM-applicaties of MLOps.