डेटा एनालिस्ट (AI मूल्यांकन)

भूमिका के बारे में

भूमिका का शीर्षक: डेटा एनालिस्ट (AI मूल्यांकन)
भूमिका का प्रकार: कॉन्ट्रैक्टर
स्थान: रिमोट, अमेरिका-स्थित।

micro1 एक ग्राहक के डेटा गुणवत्ता प्रोजेक्ट में अपना ज्ञान और विशेषज्ञता देने के लिए डेटा एनालिस्टों को जोड़ रहा है। इस भूमिका में आप अपनी विशेषज्ञता का उपयोग अगली पीढ़ी के AI सिस्टम को ट्रेन करने में करेंगे। आपका काम उच्च-गुणवत्ता वाले, वास्तविक दुनिया के इनपुट के ज़रिए तय करेगा कि मॉडल कैसे सीखते, तर्क करते और प्रदर्शन करते हैं। AI में पूर्व अनुभव आवश्यक नहीं है — आपका विषय-ज्ञान ही मायने रखता है।

आप क्या करेंगे

• सटीकता, पूर्णता और दिशानिर्देशों के पालन के लिए डेटासेट और विस्तृत टास्क आउटपुट की समीक्षा करना।
• असंगतियों, त्रुटियों और दिए गए निर्देशों से भटकने वाले आउटपुट की पहचान करना और उन्हें चिह्नित करना।
• बड़े डेटा सेट में संरचित रूब्रिक और मूल्यांकन मानदंड एकरूपता से लागू करना।
• जहाँ दिशानिर्देश अस्पष्ट हों, ऐसी अस्पष्ट स्थितियों में सूझ-बूझ से निर्णय लेना और तर्क का दस्तावेज़ीकरण करना।
• बार-बार आने वाले पैटर्न या डेटा समस्याओं को उन्हें अलग-अलग सुलझाने के बजाय आगे के विश्लेषण के लिए एस्केलेट करना।
• समस्याओं की ठीक-ठीक पहचान करने और समाधान के रास्ते सुझाने वाला स्पष्ट, कार्यान्वयन-योग्य लिखित और मौखिक फ़ीडबैक देना।
• बड़ी मात्रा में दोहराव वाले डेटा समीक्षा असाइनमेंट पर काम करते हुए बारीकियों पर बारीक ध्यान बनाए रखना।

आवश्यकताएँ

• डेटा समीक्षा, डेटा गुणवत्ता, क्वालिटी एश्योरेंस या विश्लेषणात्मक भूमिकाओं में 3–5+ वर्ष का अनुभव।
• स्पष्ट मानदंडों के आधार पर डेटा या डिलिवरेबल्स की समीक्षा, सत्यापन और आलोचनात्मक परख में सिद्ध विशेषज्ञता।
• विस्तृत लिखित निर्देशों का पालन करने और जटिल मूल्यांकन रूब्रिक को सटीकता से लागू करने की असाधारण क्षमता।
• अस्पष्टता में सहजता का प्रदर्शन, जिसमें दिशानिर्देश अधूरे होने पर उचित निर्णय लेना शामिल है।
• दोहराव वाले या अधिक मात्रा वाले काम में बारीकियों पर उन्नत ध्यान और त्रुटियाँ पकड़ने की क्षमता।
• निष्कर्षों को दस्तावेज़ित करने और फ़ीडबैक देने के लिए मज़बूत लिखित और मौखिक संचार कौशल।
• स्प्रेडशीट (सॉर्टिंग, फ़िल्टरिंग, सरल फ़ॉर्मूले) की बुनियादी दक्षता; SQL या व्यावहारिक डेटा क्वेरी का अनुभव एक लाभ है।
• डेटा एनोटेशन, लेबलिंग या रूब्रिक-आधारित मूल्यांकन का अनुभव फ़ायदेमंद है।