六项评测已更新:查看评分依据 →

机器学习工程师

你将找出验证分数与真实表现的差距,包括数据泄漏、数据划分方式,以及自报结果与留出测试之间的偏差。

我们希望你具备

Kaggle Grandmaster 或 Master 优先

  • Kaggle Grandmaster、Master 或具有同等应用成果
  • 能在相信分数前先找出特征中的目标泄漏
  • 熟悉考虑时间、群组及分布变化的验证方法
  • 愿意如实报告自己的结果未能复现

你可能参与

  • 设计常规验证方法会得出错误结论的任务
  • 审查智能体轨迹中的数据泄漏、篡改数据划分和未固定随机种子
  • 衡量自报交叉验证与正式留出测试的差距
  • 构造因错误原因获得高分的提交,以检验评分器

参与方式

申请岗位,或先加入候补名单。

  1. 01

    提交申请

    选择岗位,回答一道与你的专业判断有关的问题。

  2. 02

    按任务分批邀请

    相关领域的环境开放后,我们会联系合适的专家。

  3. 03

    一起定义怎样才算做对

    通过远程合同合作,参与任务设计、过程记录和结果复核。

暂时不申请?留下邮箱和专业领域,适合的任务开放时我们会联系你。

远程合同制合作,报酬依岗位而定。