Over de functie
In deze rol als externe contractor op uurbasis werk je op afstand als JavaScript Quality Assurance Lead (QAL) en houd je toezicht op kwaliteit, consistentie en de prestaties van trainers binnen JavaScript AI-trainingsprojecten. Je beoordeelt door AI gegenereerde JavaScript-code en het werk van trainers/QA, evalueert de kwaliteit van output aan de hand van projectrichtlijnen, geeft precieze schriftelijke feedback en zorgt ervoor dat alle bijdragers de verwachte kwaliteitsnormen volgen.
Je beoordeelt werk op correctheid van code, kwaliteit van redeneringen, runtime-gedrag, nauwkeurigheid van debugging, leesbaarheid, onderhoudbaarheid, prestaties, bewustzijn van beveiliging, testdekking, opmaak, het volgen van instructies en naleving van projectspecifieke rubrics. Je signaleert terugkerende kwaliteitsproblemen, communiceert updates naar trainers en QA'ers, ondersteunt onboarding, onderhoudt documentatie en helpt bijdragers te activeren die niet consistent werken. Deze rol vereist sterke JavaScript-expertise, sterke communicatieve vaardigheden in het Engels, uitstekend oog voor detail, gestructureerde communicatie en het vermogen om kwaliteitsworkflows aan te sturen binnen remote 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 JavaScript-kwaliteit draagt direct bij aan het verbeteren van 's werelds toonaangevende AI-modellen door ervoor te zorgen dat JavaScript-trainingsdata accuraat, uitvoerbaar, logisch solide, duidelijk uitgelegd, goed gedocumenteerd 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 geen onmiddellijk project voor deze rol; als je echter gekwalificeerd bent, behoor je tot de eerste experts die we benaderen wanneer zich relevante mogelijkheden voordoen. Dit geeft je ook toegang tot toekomstige projecten die beschikbaar zijn via ons expertnetwerk.
Wat je gaat doen
- Kwaliteitsmonitoring: Steekproefsgewijs JavaScript-items controleren, kwaliteitsproblemen identificeren, doorlopende feedback geven via DM's en terugkerende of kritieke problemen escaleren.
- Code review: Door AI gegenereerde JavaScript-code, debugging-antwoorden, implementatie-uitleg, algoritmische oplossingen, frontend/backend-snippets, tests en stapsgewijze redeneringen evalueren op correctheid en duidelijkheid.
- Communicatie met trainers en QA: Trainers en QA'ers op Discord bijpraten over nieuwe itemrichtlijnen, projectwijzigingen, workflowupdates, kwaliteitsverwachtingen en JavaScript-specifieke reviewstandaarden.
- Vragen afhandelen: Duidelijk en snel reageren op vragen van trainers/QA'ers, vooral over JavaScript-gedrag, async-logica, browser- versus Node.js-omgevingen, frameworks, gebruik van packages, testen, edge cases en rubricinterpretatie.
- Activeringsbeheer voor trainers/QA: Bijdragers die inactief zijn of niet werken een DM sturen, hen aanmoedigen actief te worden, follow-ups bijhouden en beschikbaarheidsproblemen signaleren wanneer nodig.
- Documentatie: JavaScript-projectdocumentatie maken en onderhouden, inclusief styleguides, trackers, FAQ's, kwaliteitsnotities, voorbeelden, honeypots, kalibratietaken en onboardingsmateriaal.
- Onboarding en training: Onboarding-/trainingscalls plannen en uitvoeren met trainers en QA'ers om projectverwachtingen, workflows, rubrics, kwaliteitsnormen en JavaScript-specifieke reviewvereisten toe te lichten.
- Kwaliteitsafstemming: Zorgen dat alle trainers en QA'ers de JavaScript-reviewrichtlijnen consistent toepassen en updates begrijpen naarmate projecten zich ontwikkelen.
- Risico- en beveiligingsreview: Onveilige, misleidende, onveilige of overmatig zelfverzekerde codeaanbevelingen signaleren, vooral rond injectierisico's, gebruik van dependencies, authenticatie, browserbeveiliging, gegevensverwerking en productiegereedheid.
- Procesverbetering: Terugkerende kwaliteitshiaten identificeren, workflowverbeteringen voorstellen en helpen bij het opbouwen van schaalbare QA-processen voor JavaScript AI-trainingsprojecten.
Wat we zoeken
- Bachelor- of masterdiploma in Computer Science, Software Engineering, Informatietechnologie of een nauw verwant vakgebied; gelijkwaardige professionele software-engineeringervaring kan worden overwogen.
- Sterke beheersing van de Engelse taal om projectrichtlijnen te volgen, met teams te communiceren en duidelijke technische feedback in het Engels te geven.
- 3+ jaar professionele ervaring in JavaScript-ontwikkeling, frontend-engineering, backend-ontwikkeling met Node.js, full-stack engineering, code review, software-QA, technische mentoring of gerelateerde workflows.
- Sterk begrip van kernconcepten van JavaScript zoals closures, scope, hoisting, prototypes, promises, async/await, event loop, modules, DOM-manipulatie, foutafhandeling, datastructuren en moderne ECMAScript-functies.
- Vermogen om JavaScript-content te evalueren aan de hand van gedetailleerde rubrics en problemen te identificeren zoals onjuiste logica, niet-uitvoerbare code, gebrekkige redeneringen, ontbrekende edge cases, slechte async-afhandeling, beveiligingsrisico's, prestatieproblemen, gehallucineerde API's of onvolledige uitleg.
- Bekendheid met gangbare JavaScript-ecosystemen en -tools zoals Node.js, npm/yarn/pnpm, React, Vue, Express, Jest, Mocha, Playwright, ESLint, Prettier, Vite, Webpack, Babel of browserontwikkelaarstools is een pré.
- Ervaring met het leiden of ondersteunen van remote teams van trainers, annotators, reviewers, engineers, technisch schrijvers, coding-mentoren of QA'ers is sterk gewenst.
- Je voelt je comfortabel in een snel veranderende remote omgeving met tools zoals Discord, Google Sheets, Google Docs, trackers, dashboards, GitHub en projectmanagementsystemen.
- Zeer detailgericht en georganiseerd, met het vermogen om styleguides, FAQ's, trackers, onboardingsmateriaal, honeypots, kalibratietaken en andere kwaliteitsdocumentatie te onderhouden.
- Ervaring met AI-training, data-annotatie, large language models, prompt/response-evaluatie, QA van codecontent of rubricgebaseerde LLM-evaluatie is een sterk pluspunt.