The Hartford
The Hartford
The Hartford er en virksomhed inden for forsikring og finansielle tjenester, der betjener privatpersoner, familier samt små og mellemstore virksomheder. Virksomheden blev grundlagt i 1810 og tilbyder bil-, hus- og erhvervsforsikringer samt personalegoder og andre forsikringsløsninger. Virksomheden er også kendt for sine AARP-godkendte bil- og husforsikringsprogrammer, som giver deltagende medlemmer adgang til eksklusive fordele og rabatter.

Senior AI- og maskinlæringsingeniør – The Hartford, Charlotte, hybrid

Led prædiktiv modellering og udvikling af generativ AI for The Hartfords forsikringsforretning. Byg styrede, produktionsklare løsninger til prissætning, underwriting, medarbejderfordele og relaterede policeprocesser.

Beskrivelse

  • Lede leveringen af udvikling til prædiktive modeller for medarbejderfordele, herunder modeller til prissætning og underwriting, scoringspipelines, modelopdateringer, overvågning, datavalidering og produktionssupport.
  • Bygge, implementere og vedligeholde AI/ML-komponenter og datapipelines til processer for prissætning, underwriting, salg, service, fornyelse og policens livscyklus.
  • Omsætte godkendte løsningsdesigns og arkitekturmønstre til pålidelig, testet produktionskode og arbejdsgange.
  • Understøtte initiativer inden for generativ og agentbaseret AI gennem promptorkestrering, retrieval-augmented generation, evaluering, sikkerhedsforanstaltninger og integrationer med økosystemet.
  • Udvikle og drive batch- og næsten-realtidspipelines til træning, oprettelse af features, inferens, efterbehandling, integration af forretningsregler og levering til efterfølgende systemer.
  • Implementere og vedligeholde AI-tjenester, jobs, API'er og arbejdsgange i produktion på AWS og GCP ved hjælp af etablerede metoder til CI/CD, test, observerbarhed, sikkerhed og drift.
  • Sikre kvaliteten af implementeringen gennem kodegennemgange, enheds- og integrationstest, dokumentation, driftsvejledninger, beredskabsvurderinger og support ved hændelseshåndtering.
  • Coache og oplære junioringeniører.
  • Samarbejde med data scientists, dataingeniører, asset owners samt underwriting- og prissætningsteams for at afklare krav, validere resultater, løse dataproblemer og tilpasse løsninger til forretningsprocesserne.
  • Vedligeholde governance-dokumentation for modeller og pipelines, herunder dataoprindelse, input og output, overvågningsmål, valideringsdokumentation, driftskontroller og materiale til overdragelse.
  • Vurdere risici, flaskehalse og operationelle mangler og derefter anbefale praktiske forbedringer.

Krav

  • Bachelorgrad inden for et relevant område eller mindst seks års tilsvarende erfaring med softwareudvikling, data engineering, ML/DevOps engineering, anvendt AI engineering eller en nært beslægtet teknisk disciplin.
  • Avanceret praktisk erfaring med Python, SQL, praksisser for softwareudviklingens livscyklus, Git-baseret udvikling, automatiserede tests og levering af produktionskode.
  • Erfaring med implementering og drift af data-, AI- eller ML-arbejdsbelastninger i AWS og GCP, herunder cloudlagring, administreret databehandling, orkestrering, IAM-bevidst adgang, logning og overvågning.
  • Praktisk viden om ML engineering, herunder feature-pipelines, træningsarbejdsgange, batchscoring, inferenstjenester, modelovervågning, detektering af drift, validering, gen træning og produktionssupport.
  • Evne til at arbejde inden for etableret arkitektur, virksomhedens sikkerhedskrav, standarder for datastyring, kodningskonventioner og driftskontroller.
  • Evne til at lede implementeringsindsatser, oplære junioringeniører, forklare afvejninger og håndtere flere model- og pipelineleverancer med begrænset daglig supervision.
  • Tilladelse til at arbejde i USA uden virksomhedssponsorering.
  • En kandidatgrad i datalogi, ingeniørvidenskab, informationsteknologi, MIS, datavidenskab eller et relateret område er en fordel.
  • Erfaring med forsikring, medarbejderfordele, prissætning, underwriting, risikoudvælgelse, salgsunderstøttelse eller analyse af policens livscyklus.
  • Erfaring med at understøtte porteføljer af prædiktive modeller, der kræver planlagte opdateringer, resultatsporing, forretningsvalidering og styret produktionsimplementering.
  • Erfaring med implementering af generative eller agentbaserede AI-mønstre, herunder RAG, promptevaluering, integration af LLM-applikationer, AI-sikkerhedskontroller, processer med mennesket i løkken og outputvalidering.
  • Erfaring med orkestrerings- og workflowplatforme som Airflow, Cloud Composer, Step Functions, Vertex AI Pipelines eller sammenlignelige virksomhedsværktøjer.
  • Erfaring med CI/CD, containere, API'er, principper for infrastruktur som kode, observerbarhed og håndtering af produktionshændelser.

Fordele

  • Mulighed for kortsigtede eller årlige bonusprogrammer.
  • Adgang til muligheder for langsigtede incitamenter.
  • Anerkendelsespriser på stedet.
  • Hybrid arbejdsordning.