ExaCare AI vyvíjí software SaaS pro poskytovatele následné péče, včetně kvalifikovaných zařízení ošetřovatelské péče a agentur domácí zdravotní péče. Její platforma podporuje kontrolu doporučení, ověřování pojistného krytí, procesy úhrad a přijímání pacientů tím, že shrnuje klinické záznamy, identifikuje klinická a finanční rizika, například příležitosti v rámci PDPM, ověřuje nárok na pojistné krytí a poskytuje přehled o obsazenosti, trendech počtu pacientů a provozních výsledcích.
Inženýr strojového učení v ExaCare AI — hybridní práce, Toronto
Budujte produkční ML infrastrukturu, datové pipeline a monitoring pro platformu ExaCare AI v oblasti následné péče. Pomáhejte zdravotnickým týmům přijímat bezpečnější rozhodnutí o umístění pacientů díky spolehlivým a škálovatelným systémům strojového učení.
Popis
- Přebírejte odpovědnost za pracovní postupy a infrastrukturu v celém životním cyklu strojového učení
- Spolupracujte s výzkumníky a odborníky na ML na nasazování modelů a urychlování iterací
- Vytvářejte a zdokonalujte datové pipeline a pipeline pro trénování modelů
- Zefektivňujte zpracování a anotaci dat i celkovou efektivitu ML systémů
- Nasazujte a provozujte podpůrné služby pro trénování modelů a inferenci
- Vyvíjejte nástroje pro monitoring kvality modelů, spolehlivosti systémů a provozního výkonu
- Zvyšujte škálovatelnost, pozorovatelnost a reprodukovatelnost ML systémů
- Optimalizujte ML infrastrukturu pro vyšší rychlost, spolehlivost a nákladovou efektivitu
- Odhalujte úzká místa v pracovních postupech a automatizujte opakující se ML operace
- Definujte a uplatňujte nejlepší postupy pro MLOps, nasazování a výkon systémů
Požadavky
- Alespoň tři roky zkušeností s inženýrstvím strojového učení, MLOps, ML infrastrukturou, datovým inženýrstvím nebo backendovým a platformním inženýrstvím pro ML prostředí
- Zkušenost s podporou systémů strojového učení od předání modelu přes nasazení až po monitoring
- Prokazatelné zkušenosti s vlastnictvím datových pipeline, pipeline pro trénování nebo jiných produkčních ML pracovních postupů
- Zkušenost se spoluprací s výzkumníky, datovými vědci nebo odborníky na ML při převádění modelů do produkce
- Silné základy softwarového inženýrství a zkušenost s dodáváním produkčních systémů
- Zkušenost s monitoringem, laděním a zlepšováním produkčních ML nebo datových systémů
- Doložené zlepšení spolehlivosti, škálovatelnosti, rychlosti nebo nákladové efektivity ML systémů
- Schopnost převzít odpovědnost v rychlém prostředí ve stylu startupu
Benefity
- Konkurenceschopný plat a podíl v rychle rostoucím startupu
- Flexibilní placené volno
- Zdravotní, zubní a oční pojištění
- Firemní výjezdní akce
- Spolupracující tým včetně bývalých inženýrů Amazonu a absolventů Bain, BCG, Goldman Sachs a dalších organizací