Lead Specialist, AI Scientist

Stelle nicht auf LinkedIn

🕒 vor 1 Tag

🤠 Texas – Remote

🤠 Texas – Remote

💵 $140.000 - $160.000 / Jahr

⏰ Vollzeit

🟠 Senior

🧠 KI-Forscher

👻 Geisterscore 0%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

Pearson VUE

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

Gegründet 1994

💼 Beratung

🏥 Gesundheitswesen

📦 Logistik

Consulting • Healthcare • Logistics

Pearson VUE ist ein weltweit führendes Unternehmen im Bereich computerbasiertes Testen und bietet eine breite Palette von Zertifizierungs- und Qualifikationsprüfungen für verschiedene Branchen an. Sie unterstützen Prüflinge und Prüfungseigentümer, indem sie Ressourcen, Terminoptionen und Anpassungen anbieten, um einen fairen Zugang zu den Prüfungen zu gewährleisten. Ihr Ziel ist es, Kandidaten zu befähigen und Gemeinschaften zu bereichern, indem sie Prüfungen mit hohen Anforderungen bereitstellen, die berufliche Fähigkeiten und Kenntnisse validieren und so zu Karriereschritten und Branchenstandards beitragen.

Beschreibung

• Design and build the knowledge graph and underlying knowledge model for Pearson’s K–12 assessment and learning domains • Represent standards, competencies, skills, claims, evidence, task characteristics, misconceptions, content, and relationships as computationally usable structures • Establish identity, versioning, provenance, lineage, and lifecycle status for knowledge objects • Separate authoritative knowledge, expert judgments, derived information, and machine-generated hypotheses • Evaluate and select graph and semantic technologies • Build pipelines, mappings, and synchronization processes connecting item banks, standards, metadata, psychometric data, and other sources • Develop schemas, APIs, data contracts, and services for applications, agents, and analytics • Integrate the knowledge layer into the assessment authoring system with software engineers • Design graph, semantic, vector, and hybrid retrieval and context architectures for AI systems • Create task-specific knowledge projections and maintain traceability between AI outputs and source knowledge • Collaborate with Applied AI Systems Engineers on generative, predictive, agentic, and analytic capabilities • Prototype rapidly, test assumptions empirically, evaluate emerging approaches, and make architectural decisions explicit • Design transparent, auditable, and traceable AI reasoning systems • Establish quality, coverage, and consistency measures for knowledge assets • Uphold privacy, security, access control, and appropriate use of student and content data • Collaborate with Technology, AI Science, software engineering, psychometrics, learning science, content development, and subject-matter experts • Communicate complex architectural concepts to technical and non-technical audiences

🎯 Anforderungen

• Advanced degree in Computer Science, Artificial Intelligence, Information Science, Knowledge Engineering, or a related field, or equivalent experience • Demonstrated experience designing and building knowledge graphs in production or substantial applied settings • Hands-on experience with knowledge modeling and semantic schema design, including ontologies, property-graph schemas, vocabularies, and taxonomies • Strong command of RDF, OWL, SHACL, SPARQL, property graphs, and their architectural tradeoffs • Strong data architecture skills, including data modeling, integration pipelines, identity, versioning, provenance, and lineage • Strong programming ability in Python or comparable languages, with experience building working systems and APIs • Deep understanding of predictive and generative AI, including retrieval-grounded and agentic systems using structured knowledge • Track record of building novel systems without established solutions, with sound judgment and high autonomy • Ability to translate expertise from other disciplines into computational representations and communicate tradeoffs clearly • Preferred: understanding of K–12 standards, competency frameworks, skills taxonomies, or credential frameworks • Preferred: knowledge graphs powering content generation, framework alignment, personalized guidance, or analytic insights • Preferred: formal ontology engineering, including OWL-based modeling, reasoning, or validation • Preferred: hybrid AI systems combining machine-learned or generative models with structured knowledge, rules, or constraints • Preferred: graph machine learning, graph embeddings, link prediction, or graph neural networks • Preferred: experience in evidence- or expert-judgment-validated domains • Preferred: evaluation datasets, human annotation and adjudication workflows, or benchmark development • Preferred: educational measurement, psychometrics, principled assessment design, or assessment content systems • Preferred: publications, patents, or open-source contributions in knowledge representation or graph technologies

🏖️ Vorteile

• Eligibility to participate in an annual incentive program • Benefits information available via the employer's benefits page

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen