Specjalista systemów rozpoznawania mowy - Ocena ryzyka zawodowego metodą PN-N-18002

Specjalista systemów rozpoznawania mowy

Charakterystyka ryzyka zawodowego

• Ryzyko zawodowe zawiera około 20 stron.
• Ocenę ryzyka zawodowego opracowano metodą trzystopniową, zgodnie z Polską Normą PN-N-18002.
• Pierwsza strona ryzyka zawodowego, zawiera miejsce na zatwierdzenie dokumentu.
• Ostatnia strona dokumentu zawiera miejsce na podpis pracownika, potwierdzający zapoznanie się z ryzykiem zawodowym.

Spis treści dokumentacji ryzyka:

• Strona tytułowa.
• Charakterystyka Metody PN-N-18002.
• Opis dla stanowiska pracy.
• Wymagania dla stanowiska pracy.
• Identyfikacja zagrożeń na stanowisku pracy.
• Karta pomiaru ryzyka zawodowego.
• Plan działań korygujących ryzyko zawodowe dla stanowiska pracy.
• Potwierdzenie zapoznania z dokumentacją dla stanowiska.

Opis stanowiska pracy.

Specjalista systemów rozpoznawania mowy zajmuje się projektowaniem nowych zastosowań technologii rozpoznawania mowy. Korzysta z istniejących rozwiązań technologii rozpoznawania mowy, ocenia je i wybiera najlepsze do danej sytuacji. Odpowiada za implementowanie algorytmów wykorzystywanych w technologii rozpoznawania mowy.

Zadania zawodowe na stanowisku specjalista systemów rozpoznawania mowy:

• tworzenie i rozwijanie oprogramowania do rozpoznawania / syntezy mowy z wykorzystaniem języków skryptowych programowania, m.in.: C / C++, Perl, Python, Java, Scheme lub Haskell;
• prowadzenie działań w zakresie ewaluacji oraz udoskonalania systemów rozpoznawania lub syntezy mowy;
• współpraca z innymi ekspertami oraz ośrodkami badawczo-rozwojowymi;
• kodowanie mowy z wykorzystaniem narzędzi z zakresu rozpoznawania / syntezy mowy, np. Sphinx, HTK3, Kaldi, Festival, Flite, HTS, OpenFst, ISIP, Julius itp.;
• tworzenie transkrypcji fonematycznych i modelowanie akustyczne;
• projektowanie i implementowanie nowych algorytmów rozpoznawania mowy oraz ulepszanie istniejących;
• modelowanie prozodii lub normalizacji tekstu;
• przeprowadzanie testów na jakość rozpoznawania mowy;
• tworzenie dokumentacji technicznej;
• prezentowanie działań i skuteczności technologii rozpoznawania mowy;
• zarządzanie dużymi zbiorami danych oraz trenowanie systemów uczących się.