Especialista en Calidad de Datos – IA/ML / Anotación de Datos

Requisitos del Puesto

• Más de 2 años de experiencia en gestión de calidad de datos, operaciones de datos o roles relacionados en entornos de IA/ML o anotación de datos.
• Experiencia en procesos de anotación de datos, metodologías de aseguramiento de la calidad y métricas estadísticas de calidad (p. ej., puntuación F1, acuerdo inter-annotador).
• Dominio de herramientas de anotación y control de calidad (p. ej., Labelbox, Dataloop, LabelStudio).
• Conocimiento de los conceptos fundamentales de las canalizaciones de IA/ML, incluida la preparación de datos, el entrenamiento de modelos y la evaluación.

Responsabilidades

Análisis de Datos

• Auditorías de Calidad: Realizar auditorías de calidad en conjuntos de datos anotados para asegurar que cumplan con las directrices y los estándares de calidad establecidos.
• Informes Estadísticos: Utilizar métricas de calidad basadas en estadísticas como la puntuación F1 y el acuerdo inter-annotador para evaluar la calidad de los datos.
• Análisis de Causa Raíz: Analizar errores de anotación, tendencias, procesos del proyecto y documentación para identificar y comprender la causa raíz de los errores y proponer estrategias de remediación.
• Gestión de Casos Límite: Resolver y analizar anotaciones de casos límite para garantizar la calidad e identificar áreas de mejora.
• Herramientas: Adquirir experiencia en el uso de herramientas de anotación y control de calidad para realizar revisiones y hacer seguimiento de las métricas de calidad.
• Directrices: Convertirse en experto en las directrices específicas del proyecto y proporcionar retroalimentación para posibles aclaraciones o mejoras.

Mejora Continua

• Automatización: Identificar oportunidades para utilizar la automatización con el fin de mejorar el análisis, ofrecer información más profunda y aumentar la eficiencia.
• Documentación: Desarrollar y mantener actualizada la documentación sobre estándares de calidad, directrices de anotación y procedimientos de control de calidad.
• Retroalimentación: Proporcionar retroalimentación periódica que identifique áreas de mejora a lo largo de la cadena de anotación.

Colaboración y Comunicación

• Trabajo Interfuncional: Colaborar estrechamente con las partes interesadas clave del proyecto y con los clientes para comprender los requisitos y mejorar las canalizaciones de anotación.
• Capacitación: Ayudar en la formación de los anotadores, brindando orientación, retroalimentación y apoyo para garantizar la calidad de los datos.
• Informes: Proporcionar actualizaciones periódicas que destaquen métricas de calidad de datos, hallazgos clave e ideas prácticas para la mejora continua de los procesos.