Tech
Machine Learning Engineer: modellerad AI-kostnad och uppgiftsmix
Bygger, tränar, utvärderar och driftsätter ML-modeller i produktion. Ansvarar för feature engineering, infrastruktur för modellservering och löpande övervakning av modellernas prestanda.
Den här sidan använder en representativ geografisk nivå och erfarenhetsnivå. Skapa en egen Wagecard-rapport med din faktiska uppgiftsmix, dina timmar, din plats, din erfarenhet och valfri lön.
- Operativ AI-kostnad
- Median marknadslön (p50)
- Fyra uppgiftsklasser
- Kvalitativ tillförlitlighet
- Dokumenterad metodik
Operativ AI-kostnad
Modellerad AI-driftskostnad inkluderar tokens, mänsklig granskning, omförsök, felkostnad, integration och orkestrering.
Marknadslön (amerikansk nivå 2, mitten av karriären)
Percentiler för marknadslön: p25 $149 732, p75 $212 872, p90 $252 560.
Ekonomisk utbytbarhet
Lägre poäng betyder att en människa är mer tillförlitlig eller kostnadseffektiv under mer av uppgiftstiden. Läge för AI-förstärkning.
Uppgiftsblandning
Fyra uppgiftsklasser
Timvägd andel av denna rolls uppgifter
Uppgiftsdetaljer
Hur varje uppgift klassificerades
För varje uppgift, se AI-kapacitet, tillförlitlighet, felkostnad och var en människa förblir mer tillförlitlig eller kostnadseffektiv.
| Uppgift | Kapacitet | Tillförlitlighet | Felkostnad | När en människa fungerar bättre |
|---|---|---|---|---|
| Feature engineering | 65 | 55 | 3/5 | 50/100 |
| Träna och utvärdera modeller | 75 | 65 | 3/5 | 40/100 |
| Driftsätta modeller i produktion | 60 | 55 | 4/5 | 55/100 |
| Övervaka produktionsmodeller | 65 | 60 | 4/5 | 50/100 |
| Beslut om modellarkitektur | 45 | 40 | 4/5 | 70/100 |
| Tvärfunktionella ML-granskningar | 25 | 25 | 4/5 | 80/100 |
Representativt exempel för geografisk nivå 2 i USA och medellång erfarenhet, beräknat med kapacitetsmatris v1 och modell v1-mvp. Se den dokumenterade metodiken på /methodology.
Skapa en Wagecard-rapport för uppgiftsmixen i Machine Learning Engineer
Använd dina faktiska uppgifter, timmar, plats, erfarenhet och valfri lön. Din Wagecard-rapport visar modellerad AI-driftskostnad, marknadslön, de fyra uppgiftsklasserna och kvalitativ tillförlitlighet för kärnuppskattningarna.