mpathic
mpathic
mpathic نرم‌افزارهای ایمنی و تحلیل هوش مصنوعی را برای درک و بهبود تعاملات انسان–هوش مصنوعی و انسان–انسان توسعه می‌دهد. محصولات SaaS و APIهای این شرکت از تبدیل گفتار به متن، حذف اطلاعات قابل شناسایی شخصی، تحلیل رفتار و چک‌لیست، مجموعه‌داده‌های معیارسنجی، ردتیمینگ و سازوکارهای حفاظتی مبتنی بر حوزه از طریق Observing Agent API پشتیبانی می‌کنند. این شرکت به تیم‌های حوزه سلامت، علوم زیستی، پژوهش‌های بالینی، بیمه و سازمانی خدمات می‌دهد که برای تقویت همدلی، کاهش سوگیری و پشتیبانی از تعاملات ایمن‌تر و سازگارتر با مقررات تلاش می‌کنند.

ارزیاب هوش مصنوعی و یادگیری ماشین در سلامت

شواهد کاربردهای هوش مصنوعی در سلامت را در ارزیابی‌های محیط آزمون مقرراتی mpathic بررسی کنید. اعتبارسنجی مدل، قابلیت اعتماد، تدابیر حفاظتی و پایش برای کاربرد بالینی را ارزیابی کنید.

توضیحات

  • شواهد فنی کاربردهای هوش مصنوعی در سلامت را با در نظر گرفتن عملکرد، اعتبارسنجی، تعمیم‌پذیری، قابلیت اعتماد، پایش و تدابیر حفاظتی ارزیابی کنید.
  • روش‌های اعتبارسنجی، معیارهای مرجع، اندازه نمونه، تحلیل‌های آماری، سنجه‌ها، آستانه‌های عملیاتی و عدم‌قطعیت را بررسی کنید.
  • کیفیت و نمایندگی داده را بررسی کنید؛ از جمله نشت داده، تفاوت میان زیرگروه‌ها و تعمیم‌پذیری در گروه‌های مختلف بیماران و محیط‌های مراقبتی.
  • قابلیت اعتماد فنی، استحکام، بازتولیدپذیری، حالت‌های شکست و رفتار در برابر ورودی‌های نامتعارف یا خارج از توزیع را آزمایش کنید.
  • برنامه‌های ارزیابی، معیارهای مقایسه و ملاک‌های موفقیت برای اجرای آزمایشی را بررسی کنید.
  • تدابیر حفاظتی فنی، مسیرهای ارجاع و فرایندهای نظارت انسانی را ارزیابی کنید.
  • برنامه‌های پایش و مدیریت تغییر را برای شناسایی افت عملکرد، پیگیری رفتار مدل، مدیریت به‌روزرسانی‌ها و مداخلات و تعیین معیارهای بازگشت به نسخه پیشین بررسی کنید.
  • برای رسیدگی به نگرانی‌های میان‌رشته‌ای با پزشکان و متخصصان فنی همکاری کنید.
  • نقاط قوت، محدودیت‌ها، کمبود شواهد و نگرانی‌های فنی را با استفاده از چارچوب استاندارد بررسی ثبت کنید.
  • توصیه‌های روشن و مبتنی بر شواهد ارائه دهید و شواهد یا تغییرات لازم را مشخص کنید.
  • در هم‌ترازسازی ارزیابان و تضمین کیفیت مشارکت کنید.
  • با رعایت الزامات تعارض منافع و مدیریت داده، استقلال و محرمانگی را حفظ کنید.

شرایط لازم

  • حداقل سه سال تجربه حرفه‌ای یا پژوهشی کاربردی در یادگیری ماشین، علم داده، زیست‌آمار، انفورماتیک بالینی یا حوزه‌ای مرتبط، شامل کار مستقیم در ارزیابی یا اعتبارسنجی مدل‌های پیش‌بینی یا سامانه‌های هوش مصنوعی.
  • آشنایی با روش‌های ارزیابی مدل، از جمله سنجه‌های مناسب عملکرد، طراحی اعتبارسنجی، عدم‌قطعیت آماری، انتخاب آستانه و منابع رایج سوگیری یا خطای روش‌شناختی.
  • تجربه ارزیابی عملکرد مدل روی داده‌های مستقل یا کنارگذاشته‌شده و تشخیص اینکه آیا نتایج فراتر از مجموعه‌داده ارزیابی تعمیم می‌یابند یا نه.
  • تجربه عملی ارزیابی دست‌کم یک نوع سامانه هوش مصنوعی مرتبط، مانند پردازش زبان طبیعی بالینی، مدل‌های زبانی بزرگ، هوش مصنوعی مکالمه‌ای، تصویربرداری پزشکی، بینایی رایانه‌ای یا مدل‌های پیش‌بینی جدولی.
  • توانایی بررسی انتقادی پژوهش فنی، گزارش‌های ارزیابی یا مطالعات اعتبارسنجی و شناسایی ضعف‌های روش‌شناختی یا نتیجه‌گیری‌های بی‌پشتوانه.
  • مهارت قوی در نگارش تحلیلی و توانایی توضیح روشن یافته‌های پیچیده برای مخاطبان غیرفنی.
  • توانایی کار مستقل و مشارکت در بررسی تخصصی میان‌رشته‌ای و هم‌ترازسازی ارزیابان.
  • آمادگی برای تکمیل توافق‌نامه‌های محرمانگی، اظهارنامه‌های تعارض منافع و آموزش ارزیابان.
  • تجربه ارزیابی سامانه‌های هوش مصنوعی یا یادگیری ماشین در سلامت، پشتیبانی از تصمیم‌گیری بالینی، سلامت دیجیتال یا محیط‌های پرمخاطره دیگر.
  • آشنایی با چارچوب‌های ارزیابی و گزارش‌دهی هوش مصنوعی بالینی مانند TRIPOD+AI، STARD-AI، CONSORT-AI، DECIDE-AI یا کارت‌های مدل.
  • تجربه ارزیابی هوش مصنوعی مولد، سامانه‌های مبتنی بر مدل‌های زبانی بزرگ یا عامل‌های خودمختار، از جمله رفتار چندمرحله‌ای، قابلیت اعتماد، توهم‌زایی و تدابیر حفاظتی.
  • تجربه آزمون استحکام، ارزیابی خصمانه، ردتیمینگ یا تحلیل نظام‌مند حالت‌های شکست.
  • دانش پایش در محیط عملیاتی، جابه‌جایی توزیع، رانش مدل، کنترل نسخه و مدیریت تغییر.
  • تجربه طراحی یا ارزیابی سامانه‌های انسان‌محور، یا مقایسه عملکرد مدل با قضاوت متخصصان انسانی.
  • آشنایی با راهنمای FDA درباره ابزارهای پزشکی مبتنی بر هوش مصنوعی، پشتیبانی از تصمیم‌گیری بالینی یا نرم‌افزار به‌عنوان ابزار پزشکی.
  • تجربه انجام بررسی‌های فنی مستقل، داوری علمی، بررسی طرح‌های پژوهشی یا ارزیابی رسمی فناوری.
  • تجربه همکاری با پزشکان، پژوهشگران یا ذی‌نفعان مقررات‌گذاری در زمینه ارزیابی یا استقرار هوش مصنوعی.

مزایا

  • کار قراردادی با پرداخت به‌ازای هر بررسی.
  • جلسه آشنایی ارزیابان با چارچوب ارزیابی و الزامات پروژه پیش از نخستین مأموریت.

فرصت‌های شغلی مرتبط

Gramian Consulting

بازبین کیفیت حاشیه‌نویسی داده‌های هوش مصنوعی

Gramian Consulting

هدایت بازبینی کیفیت داده‌های آموزشی هوش مصنوعی در Gramian Consulting را بر عهده دارد. نظارت بر بازبین‌ها، ممیزی، بازخورد، آموزش و بهبود فرایندها را در تیم‌های دورکار پروژه مدیریت می‌کند.

باز کردن
Mercor

متخصص ایمنی هوش مصنوعی انگلیسی

Mercor
۵۱ – ۲۰۰ کارکنان

برای Mercor مکالمه‌های انگلیسی را بررسی کنید و پاسخ‌های هوش مصنوعی را ارزیابی کنید. طبق دستورالعمل پروژه بازخوردی ساختاریافته ارائه دهید تا به آموزش سامانه‌های پیشرفته هوش مصنوعی کمک شود.

باز کردن
Mercor

شرکت‌کننده پژوهش بازخورد کاربران دستیار هوش مصنوعی دورکار

Mercor
۵۱ – ۲۰۰ کارکنان

در مطالعه آموزش هوش مصنوعی Mercor، از Meta Muse یا Instinct استفاده کنید و پیام‌های پیش‌دستانه آن را ارزیابی کنید. گفتگوهای هفتگی را پس از حذف اطلاعات شخصی ارسال کنید.

باز کردن
Sigma AI

حاشیه‌نویس زبان‌شناختی چینی کانتونی

Sigma AI

به‌عنوان حاشیه‌نویس آزاد کانتونی-انگلیسی در پروژه‌های گردآوری داده Sigma AI از راه دور کار کنید. وظایف شامل حاشیه‌نویسی، پیاده‌سازی متن، اعتبارسنجی و ضبط صدا است.

باز کردن
Volga Partners

متخصص حوزه سلامت، ارزیابی مدل هوش مصنوعی

Volga Partners
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
حامی ویزای H1BB2Bسازمانهوش مصنوعی

ولگا پارتنرز برای ارزیابی دقت بالینی، استدلال و ایمنی محتوای پزشکی تولیدشده با هوش مصنوعی، به پزشکان، پرستاران متخصص و دستیاران پزشک نیاز دارد. مأموریت‌های قراردادی دورکاری و پروژه‌محور، بسته به نیازهای پروژه متفاوت‌اند.

باز کردن