机器学习工程师绩效考核评定表.docxVIP

机器学习工程师绩效考核评定表

编号

姓名

职务

日期

评定标准：

A100-95优秀--超出预计标准，超质超量完成工作。

B94-80良好--达到预期标准，保质保量完成工作。

C79-70合格--能够按照要求完成工作，但个人能力需要提高。

D70以下不合格--未能按照标准完成工作，可能不胜任本职工作。

考核项目

权重

考核要素

考核内容

标准分

得分

核心业务成果

30%

模型性能提升

根据模型在测试集上的准确率、召回率、F1值等指标进行量化评估，目标值需达到或超过行业基准。

10

核心业务成果

30%

业务价值转化

评估模型在实际业务场景中的应用效果，包括预测准确率、成本节约、效率提升等。

15

核心业务成果

30%

模型部署效率

评估模型从开发到上线的全流程效率，包括数据预处理、模型训练、测试、部署等环节。

10

核心业务成果

30%

客户满意度

通过客户反馈、使用报告及业务指标评估模型对业务的贡献度和客户认可度。

15

核心业务成果

30%

模型迭代速度

评估模型在业务需求变化时的响应速度和迭代效率，包括模型优化、参数调整、新功能开发等。

5

技术能力

25%

算法选型与优化

评估工程师对算法的理解深度、模型优化能力及技术方案的可行性。

10

技术能力

25%

代码质量与可维护性

评估代码的可