Η Solventum αναπτύσσει τεχνολογίες και υπηρεσίες υγειονομικής περίθαλψης που έχουν σχεδιαστεί για να υποστηρίζουν ασφαλέστερη και αποδοτικότερη ιατρική φροντίδα και φροντίδα της στοματικής υγείας. Το χαρτοφυλάκιό της περιλαμβάνει προηγμένες λύσεις περιποίησης τραυμάτων, χειρουργικές λύσεις και λύσεις αποστείρωσης, προϊόντα στοματικής φροντίδας, υπηρεσίες πληροφορικής και τεχνολογίας υγείας, καθώς και συστήματα καθαρισμού και διήθησης για βιοφαρμακευτικές εφαρμογές. Η εταιρεία υποστηρίζει επίσης τους επαγγελματίες υγείας μέσω εκπαιδευτικών πόρων και προγραμμάτων κατάρτισης, συνδυάζοντας την ανάπτυξη προϊόντων με έμφαση στην ασφάλεια των ασθενών, τα κλινικά αποτελέσματα και τη λειτουργική αποδοτικότητα.
Ανώτερος Μηχανικός AI/ML – Μπανγκαλόρ με υβριδικό μοντέλο
Αναπτύξτε λύσεις παραγωγής AI, μηχανικής μάθησης και πρακτορικής αυτοματοποίησης για την αλυσίδα εφοδιασμού υγειονομικής περίθαλψης της Solventum. Αναπτύξτε κλιμακούμενα συστήματα σε AWS και Microsoft Azure.
Περιγραφή
- Δημιουργία και ανάπτυξη κλιμακούμενων μοντέλων μηχανικής μάθησης και λύσεων AI για σύνθετα προβλήματα της αλυσίδας εφοδιασμού
- Ανάπτυξη ολοκληρωμένων αγωγών ML για πρόβλεψη, βελτιστοποίηση, προγνωστική ανάλυση, ανίχνευση ανωμαλιών και έξυπνη αυτοματοποίηση
- Σχεδιασμός, δοκιμή και ανάπτυξη πρακτόρων AI και συστημάτων πολλαπλών πρακτόρων με LangGraph, LangChain, AutoGen, CrewAI ή συγκρίσιμα πλαίσια
- Δημιουργία ροών εργασίας με LLM, ενσωμάτωση εργαλείων, μνήμη και ενορχήστρωση για την αυτοματοποίηση επιχειρηματικών διαδικασιών
- Δημιουργία αγωγών πρόσληψης, μετασχηματισμού και μηχανικής χαρακτηριστικών για δομημένα, ημιδομημένα και αδόμητα εταιρικά δεδομένα
- Σύνδεση αποθετηρίων γνώσης, γραφημάτων γνώσης, διανυσματικών βάσεων δεδομένων και λύσεων έξυπνης επεξεργασίας εγγράφων
- Ανάπτυξη και λειτουργία εφαρμογών AI και μηχανικής μάθησης σε AWS και Microsoft Azure
- Συντήρηση αγωγών MLOps και LLMOps που καλύπτουν εκδόσεις μοντέλων, CI/CD, αυτοματοποιημένη ανάπτυξη, παρακολούθηση και επανεκπαίδευση
- Αξιολόγηση και βελτίωση μοντέλων ML και LLM ως προς την ακρίβεια, την καθυστέρηση, τη χρήση πόρων cloud, την αξιοπιστία και το κόστος
- Εφαρμογή πρακτικών υπεύθυνης AI
- Συνεργασία με ενδιαφερόμενα μέρη της αλυσίδας εφοδιασμού, επιστήμονες δεδομένων, μηχανικούς λογισμικού, αρχιτέκτονες cloud, διαχειριστές προϊόντων και ομάδες ψηφιακού μετασχηματισμού
- Καθορισμός προτύπων μηχανικής, συμμετοχή σε ανασκοπήσεις αρχιτεκτονικής και κώδικα και σύνταξη τεχνικής τεκμηρίωσης
Απαιτήσεις
- Πτυχίο πληροφορικής, μηχανικής λογισμικού, AI ή συναφούς κλάδου και περισσότερα από 7 έτη επαγγελματικής εμπειρίας στη μηχανική μάθηση, την τεχνητή νοημοσύνη, την επιστήμη δεδομένων ή τη μηχανική AI
- Εναλλακτικά, μεταπτυχιακός τίτλος με σχετική βιομηχανική εμπειρία και περισσότερα από 5 έτη εμπειρίας
- Προχωρημένη πρακτική εμπειρία στην Python
- Εμπειρία στον σχεδιασμό, την ανάπτυξη, την ανάπτυξη σε παραγωγή και τη βελτιστοποίηση κλιμακούμενων λύσεων μηχανικής μάθησης και AI
- Εμπειρία σε προγνωστική μοντελοποίηση, πρόβλεψη, βελτιστοποίηση, μηχανική χαρακτηριστικών, αξιολόγηση μοντέλων, παρακολούθηση και διαχείριση κύκλου ζωής
- Εμπειρία σε πλατφόρμες cloud, συμπεριλαμβανομένων των Azure, Databricks και AWS
- Εμπειρία παραγωγής στην ανάπτυξη και ανάπτυξη εφαρμογών παραγωγικής AI και ροών εργασίας πρακτορικής AI με LangGraph, LangChain, AutoGen, CrewAI ή παρόμοιες τεχνολογίες
- Πρακτική γνώση μεγάλων γλωσσικών μοντέλων, μηχανικής προτροπών, RAG, μεθόδων αξιολόγησης AI και υπεύθυνης AI
- Ισχυρή κατανόηση προτύπων σχεδιασμού συστημάτων, μικροϋπηρεσιών, API, Docker, Kubernetes και αυτοματοποίησης υποδομών
- Εμπειρία σε εργαλεία παρατηρησιμότητας και αξιολόγησης AI, όπως Azure AI Foundry, Azure Monitor, Azure ML Monitoring, AWS CloudWatch, MLflow, LangSmith, Prometheus, Grafana ή OpenTelemetry
- Εμπειρία σε εταιρικές πλατφόρμες δεδομένων, αγωγούς δεδομένων, SQL και πλαίσια κατανεμημένης επεξεργασίας δεδομένων
- Διαθεσιμότητα για ταξίδια σε ποσοστό 10–20%
- Προτιμητέο: πρακτική ανάπτυξη λύσεων AI/ML για αλυσίδες εφοδιασμού, υγειονομική περίθαλψη ή άλλους εταιρικούς τομείς
- Προτιμητέο: εμπειρία στην εφαρμογή πρακτικών MLOps και LLMOps
- Προτιμητέο: εξοικείωση με τη διακυβέρνηση AI, την επεξηγησιμότητα μοντέλων, την ασφάλεια δεδομένων, την ιδιωτικότητα και τις πρακτικές υπεύθυνης AI
Παροχές
- Υβριδικό μοντέλο εργασίας στη Μπανγκαλόρ
- Εργασία σε λύσεις AI, μηχανικής μάθησης και επιστήμης δεδομένων για την υγειονομική περίθαλψη
- Συνεργασία με τεχνικές και επιχειρηματικές ομάδες από διαφορετικές λειτουργίες
- Απόκτηση εμπειρίας στις πλατφόρμες cloud AWS και Microsoft Azure
- Εργασία στους τομείς AI/ML, παραγωγικής AI, πρακτορικής AI, MLOps και LLMOps