Teamlead Python (ML-gericht)

In deze taak als externe contractor op uurbasis werk je als Quality Assurance Lead (QAL) voor Python (ML-gericht) om toezicht te houden op kwaliteit, consistentie en de prestaties van trainers binnen Python machine learning AI-trainingsprojecten. Je beoordeelt door AI gegenereerde Python-code, ML-workflows, modelexplicaties en werk van trainers/QA; evalueert de outputkwaliteit aan de hand van projectrichtlijnen; geeft precieze schriftelijke feedback; en zorgt ervoor dat bijdragers de verwachte kwaliteitsnormen volgen.

Je beoordeelt werk op codecorrectheid, machine learning-methodologie, statistische validiteit, reproduceerbaarheid, kwaliteit van modelevaluatie, risico's op datalekken, gebruik van packages, nauwkeurigheid van debugging, leesbaarheid, onderhoudbaarheid, opmaak, het volgen van instructies en naleving van projectspecifieke rubrics. Deze rol vereist sterke expertise in Python en ML, communicatieve vaardigheden in het Engels, uitstekend oog voor detail en het vermogen om kwaliteitsworkflows aan te sturen binnen externe technische teams.

Deze rol is bij SME Careers, een snelgroeiend AI Data Services-bedrijf en dochteronderneming van SuperAnnotate, dat trainingsdata levert aan veel van 's werelds grootste AI-bedrijven en foundation-model-labs. Jouw leiderschap op het gebied van Python ML-kwaliteit helpt ervoor te zorgen dat trainingsdata accuraat, uitvoerbaar, statistisch verantwoord, reproduceerbaar, duidelijk uitgelegd en afgestemd op de verwachtingen van de klant is.

Het selectieproces omvat een AI-interview, een domeinspecifieke taak en een interview met een recruiter.

Belangrijk: Er is momenteel geen project voor deze rol; als je echter gekwalificeerd bent, behoor je tot de eerste experts die we benaderen wanneer relevante kansen zich voordoen. Dit geeft je ook toegang tot toekomstige projecten die beschikbaar zijn via ons expertnetwerk.

Wat je gaat doen

• Kwaliteitsmonitoring: steekproefsgewijs Python ML-items controleren, kwaliteitsproblemen identificeren, feedback geven via DM's en terugkerende of kritieke problemen escaleren.
• Code- en ML-review: door AI gegenereerde Python-code, ML-pipelines, stappen voor datavoorverwerking, workflows voor modeltraining, evaluatielogica, debugging-antwoorden en uitleg beoordelen op correctheid en reproduceerbaarheid.
• Communicatie met trainers en QA: bijdragers op Discord bijpraten over wijzigingen in richtlijnen, workflowupdates en Python/ML-specifieke reviewnormen.
• Vragen afhandelen: vragen beantwoorden over Python-syntaxis, gebruik van packages, datalekken, modelvalidatie, metrics, statistische aannames, reproduceerbaarheid, notebooks en rubricinterpretatie.
• Beheer van trainer/QA-activatie: inactieve bijdragers een DM sturen, activatie aanmoedigen, follow-ups bijhouden en beschikbaarheidsproblemen signaleren.
• Documentatie: Python ML-stijlgidsen, trackers, FAQ's, voorbeelden, honeypots, kalibratietaken en onboardingmaterialen maken en onderhouden.
• Onboarding en training: onboarding-/trainingscalls verzorgen voor Python ML-bijdragers.
• Risicoreview: misleidende, overmoedige, statistisch ongeldige, niet-reproduceerbare, onveilige of niet-productieklare Python ML-aanbevelingen signaleren.
• Procesverbetering: terugkerende kwaliteitslacunes identificeren en schaalbare QA-processen opzetten.

Wat we zoeken

• Bachelor-, Master- of PhD-diploma in Computer Science, Machine Learning, Data Science, Statistiek, Wiskunde, Engineering of een nauw verwant kwantitatief vakgebied.
• Sterke beheersing van het Engels om richtlijnen te volgen, met teams te communiceren en duidelijke technische feedback te geven.
• 3+ jaar professionele ervaring in Python-ontwikkeling, machine learning, data science, ML-engineering, modelevaluatie, research engineering, technische review of ML-onderwijs.
• Sterk begrip van Python-fundamenten zoals datastructuren, functies, klassen, iterators, comprehensions, exception handling, virtuele omgevingen, packagebeheer, testen en debugging.
• Sterk begrip van ML-onderwerpen zoals supervised/unsupervised learning, feature engineering, train/test-splitsingen, cross-validatie, modelselectie, datalekken, regressie, classificatie, clustering, metrics, bias/variantie, regularisatie en reproduceerbaarheid.
• Vermogen om ML-content te beoordelen aan de hand van gedetailleerde rubrics en problemen te identificeren zoals gebrekkige methodologie, verkeerde metrics, datalekken, niet-reproduceerbare code, ongeldige aannames, gehallucineerde API's, misleidende conclusies of onvolledige uitleg.
• Bekendheid met NumPy, pandas, scikit-learn, PyTorch, TensorFlow/Keras, XGBoost/LightGBM, Jupyter, matplotlib, seaborn, MLflow, Hugging Face, SQL, GitHub, Docker en CI/CD is een pré.
• Ervaring met het leiden of ondersteunen van externe teams van trainers, annotators, reviewers, engineers, data scientists, ML-onderzoekers, codeermentoren of QA'ers is sterk gewenst.
• Je voelt je comfortabel in snel veranderende externe omgevingen met Discord, Google Sheets, Google Docs, trackers, dashboards, GitHub en projectmanagementsystemen.
• Zeer georganiseerd en in staat om stijlgidsen, trackers, FAQ's, onboardingmaterialen, honeypots, kalibratietaken en kwaliteitsdocumentatie bij te houden.
• Ervaring met AI-training, data-annotatie, LLM-evaluatie, code-QA, ML-QA of rubricgebaseerde technische review is een sterke plus.