Veri Kalitesi Uzmanı – AI/ML / Veri Etiketleme

İş Gereksinimleri

• 2+ yıl deneyim AI/ML veya veri etiketleme ortamlarında veri kalitesi yönetimi, veri operasyonları veya ilgili rollerde.
• Veri etiketleme süreçleri, kalite güvence metodolojileri ve istatistiksel kalite metriklerinde (örneğin F1 skoru, etiketleyiciler arası anlaşma) deneyimli.
• Labelbox, Dataloop, LabelStudio gibi etiketleme ve kalite kontrol araçlarında yetkin.
• Veri hazırlama, model eğitimi ve değerlendirme dahil olmak üzere AI/ML süreçlerinin temel kavramlarına aşina.

Sorumluluklar

Veri Analizi

• Kalite Denetimleri: Etiketlenmiş veri setleri üzerinde kalite denetimleri gerçekleştirerek belirlenen yönergelere ve kalite kriterlerine uygunluğu sağlamak.
• İstatistiksel Raporlama: Veri kalitesini değerlendirmek için F1 skoru ve etiketleyiciler arası anlaşma gibi istatistiksel kalite metriklerini kullanmak.
• Kök Neden Analizi: Hata kaynaklarını belirlemek ve anlamak için etiketleme hatalarını, eğilimleri, proje süreçlerini ve proje dokümantasyonunu analiz etmek ve iyileştirme stratejileri önermek.
• Uç Durum Yönetimi: Kaliteyi sağlamak ve iyileştirme alanlarını belirlemek için uç durum etiketlemelerini çözümlemek ve analiz etmek.
• Araç Kullanımı: İncelemeler yapmak ve kalite metriklerini takip etmek için etiketleme ve kalite kontrol araçlarının kullanımında yetkinlik kazanmak.
• Yönergeler: Projeye özgü yönergelerde uzmanlaşmak ve olası açıklamalar ya da iyileştirmeler için geri bildirimde bulunmak.

Sürekli İyileştirme

• Otomasyon: Analitiği geliştirmek, daha derin içgörüler sağlamak ve verimliliği artırmak için otomasyondan yararlanma fırsatlarını belirlemek.
• Dokümantasyon: Kalite standartları, etiketleme yönergeleri ve kalite kontrol prosedürleriyle ilgili güncel dokümantasyon geliştirmek ve sürdürmek.
• Geri Bildirim: Etiketleme sürecindeki iyileştirme alanlarını belirten düzenli geri bildirim sağlamak.

İş Birliği ve İletişim

• Fonksiyonlar Arası İş Birliği: Proje gereksinimlerini anlamak ve etiketleme süreçlerini geliştirmek için önemli proje paydaşları ve müşterilerle yakın iş birliği yapmak.
• Eğitim: Veri kalitesini sağlamak amacıyla etiketleyicilerin eğitimine yardımcı olmak, rehberlik, geri bildirim ve destek sağlamak.
• Raporlama: Sürekli süreç iyileştirmeleri için veri kalite metriklerini, temel bulguları ve uygulanabilir içgörüleri vurgulayan düzenli güncellemeler sunmak.