LogoFresh Jobs Ahead
Plenful
Plenful
51 – 200 Medarbejdere
Kunstig intelligensSaaSSundhedsvæsen
Plenful udvikler software til AI-drevet automatisering af arbejdsgange for apoteks- og infusionsteams. Platformen forbinder data via API'er, HL7, SFTP, PDF-filer og databaser for at håndtere administrativt arbejde som 340B-revision og optimering, registrering af henvisninger, rabatstyring, beslutningsgrundlag for Maximum Fair Price, forhåndsgodkendelse og ordreindtag. Plenful betjener sundhedssystemer, specialapoteker, infusionsklinikker og behandlergrupper med fokus på regeloverholdelse, indtægtsrealisering og mindre manuelt arbejde.
LinkedIn
Job i virksomheden

Ledende maskinlæringsingeniør, Plenful (San Francisco, hybrid)

Fastlæg strategien for produktionsklare maskinlæringsagenter, eftertræning af modeller og evaluering. Byg AI-automatisering til sundhedsvæsenet, der mindsker administrativt arbejde og styrker compliance.

USUSACACalifornienHybridFuldtidLeadPåkrævet Sprog: engelskMaskinlæringsingeniør
DockerKubernetesPythonPyTorch

Beskrivelse

  • Arkitektér produktionsagenter på tværs af værktøjsbrug, informationssøgning, håndtering af tilstand og kontekst, routing, orkestrering, sporing og fejlhåndtering.
  • Omsæt velfungerende tilgange til genanvendelige tekniske mønstre.
  • Vælg, om modeller og platformskomponenter skal bygges eller købes.
  • Fastlæg virksomhedens strategi for eftertræning.
  • Træn og udrul LLM'er og vision-sprogmodeller til opgaver i sundhedsvæsenet.
  • Udvikl interne kompetencer inden for fortsat modeltræning.
  • Skab evalueringer, der dokumenterer forbedringer i produktionen.
  • Definér strategien for AI-kvalitet på tværs af automatiserede bedømmere, kalibrerede LLM-dommere, regressionstests, menneskelig gennemgang, fejltaksonomier og validering fra offline til online.
  • Træf beslutninger om lanceringer på baggrund af evalueringsresultater.
  • Byg systemer, der bruger produktionsfejl og brugerfeedback til at forbedre datasæt, evalueringer og modeller.
  • Fastlæg standarder for versionsstyring af datasæt, observerbarhed og MLOps.
  • Form ML-køreplanen for de næste 12 måneder sammen med ledere inden for teknik og produkt.
  • Led tekniske gennemgange, mentorér senioringeniører, og bidrag til rekruttering.
  • Design med fokus på privatliv gennem brug af mindst nødvendige data, afidentificerede eller syntetiske data, hvor det er relevant, og praksisser med hensyn til HIPAA.
  • Gennemgå agenter, evalueringer og træningsforløbet inden for de første 30 dage, og identificér de tre største mangler.
  • Senest på dag 90 leverer du en forbedring af eftertræning eller evaluering, der flytter et produktionsmål.
  • Senest på dag 90 offentliggør du teamets plan for de næste to kvartaler.

Krav

  • Mindst 8 års erfaring inden for ML eller softwareudvikling, herunder mindst 3 år med ledelse af produktionssystemer med LLM'er eller agenter.
  • End-to-end-erfaring med anvendt eftertræning, f.eks. supervised fine-tuning, præferenceoptimering, destillation eller reinforcement learning.
  • Erfaring med at lancere en model, der forbedrede et produktionsmål.
  • Erfaring med at designe evalueringsstrategier for LLM'er eller agenter, som har dannet grundlag for beslutninger om lancering.
  • Erfaring med at arkitektére produktionssystemer med agenter.
  • Erfaring med LangGraph, RAG og værktøjer til vektorsøgning som Pinecone.
  • Stærke færdigheder i Python og PyTorch.
  • Kendskab til værktøjer til distribueret træning og serving, f.eks. vLLM, FSDP eller DeepSpeed.
  • MLOps-erfaring med Docker, Kubernetes, MLflow eller tilsvarende, CI/CD samt sporing af eksperimenter og datasæt.
  • Evne til at påvirke uden formel myndighed gennem designoplæg, gennemgange og mentorering.
  • Opdateret viden om nye modeller og kodningsagenter.
  • Evne til at omsætte artikler og lanceringer til eksperimenter og rapportere kvantificerede resultater.
  • Dokumentation for arbejde, andre bruger, f.eks. bidrag til open source, artikler, foredrag eller evalueringer.
  • Foretrukket: erfaring med sundhedsdata, f.eks. EHR, FHIR, erstatningskrav eller forhåndsgodkendelse.
  • Foretrukket: publikationer eller open source-bidrag inden for evaluering af LLM'er, eftertræning eller agenter.
  • Foretrukket: erfaring med at interviewe og ansætte ML-ingeniører.
  • Foretrukket: erfaring fra et andet reguleret område med høje risici.

Fordele

  • Fleksibelt hybridarbejde med fjernarbejde som udgangspunkt og meningsfuldt fremmøde på kontorerne i San Francisco og New York.
  • Fuld sundheds-, tandlæge- og synsdækning for medarbejdere med mulighed for familiedeltagelse.
  • 401(k) med et virksomhedsmatch på 50 % af de første 3 %, du indbetaler.
  • Aktier til alle fuldtidsansatte.
  • Ubegrænset betalt fri.
  • Frokosttilskud på 100 USD om ugen.
  • Wellness-tilskud på 100 USD om måneden.
  • Pendlertilskud på 100 USD om måneden for medarbejdere med base i San Francisco og New York.
  • Betalt forældreorlov.
  • Muligheder for faglig udvikling.
  • Et missiondrevet team med erfarne kolleger.
  • Samarbejde med erfarne ledere med stærke resultater.

Relaterede job

U.S. Bank

Principal AI-ingeniør, acceleration af AI i virksomheder

U.S. Bank
ForsikringLogistikRådgivning
USUSACACalifornienCOColoradoILIllinoisMNMinnesotaNCNorth Carolina
149.515 $ – 175.900 $ / år
HybridFuldtidLeadPåkrævet Sprog: engelskAI-ingeniørMaskinlæringsingeniør
AzureCloudPython

Led sikker og skalerbar anvendelse af AI hos U.S. Bank ved at levere generative AI-løsninger, genanvendelige tekniske rammer og intelligent automatisering. Samarbejd på tværs af forretnings- og teknologiteams om at føre AI-anvendelser fra idé til produktion.

Åbn
BigHat Biosciences

Direktør for maskinlæring inden for antistofdesign

BigHat Biosciences
51 – 200 Medarbejdere
FremstillingRådgivningSundhedsvæsen
USUSACACalifornien
250.000 $ – 365.000 $ / år
HybridFuldtidLeadPåkrævet Sprog: engelskMaskinlæringsingeniør
CloudPythonPyTorch

Led BigHat Biosciences’ strategi for maskinlæring og modellering af antistofdesign ved at samle avancerede modeller, laboratoriedata og LLM-automatisering. Vejled et erfarent tværfagligt team, og bidrag til bedre designforløb for mere end 2.000 antistoffer om ugen.

Åbn