The Hartford یک شرکت بیمه و خدمات مالی است که به افراد، خانواده‌ها و کسب‌وکارهای کوچک تا متوسط خدمات ارائه می‌دهد. این شرکت که در سال ۱۸۱۰ تأسیس شده است، در کنار بیمه خودرو، خانه و کسب‌وکار، مزایای کارکنان و راهکارهای بیمه‌ای دیگر را نیز ارائه می‌کند. این شرکت همچنین به‌خاطر برنامه‌های بیمه خودرو و خانه با تأیید AARP شناخته می‌شود؛ این برنامه‌ها دسترسی اعضای شرکت‌کننده را به مزایا و تخفیف‌های ویژه فراهم می‌کنند.
مهندس ارشد هوش مصنوعی و یادگیری ماشین — هارتفورد، شارلوت، ترکیبی
رهبری مدل‌سازی پیش‌بینانه و مهندسی هوش مصنوعی مولد را برای کسب‌وکار بیمه هارتفورد بر عهده بگیرید. راهکارهای کنترل‌شده و آماده تولید برای پشتیبانی از قیمت‌گذاری، ارزیابی ریسک، مزایای کارکنان و جریان‌های کاری مرتبط با بیمه‌نامه بسازید.
ایالات متحده
کنتیکت
ایلینوی
کارولینای شمالی
اوهایو$۱۱۷٬۲۰۰ – $۱۷۵٬۸۰۰ / سال
ترکیبیتمام‌وقتارشدزبان مورد نیاز: انگلیسیمهندس یادگیری ماشینتوضیحات
- رهبری تحویل مهندسی مدل‌های پیش‌بینانه مزایای کارکنان را بر عهده بگیرید؛ این کار شامل مدل‌های قیمت‌گذاری و ارزیابی ریسک، خط لوله‌های امتیازدهی، به‌روزرسانی مدل، پایش، اعتبارسنجی داده و پشتیبانی تولید است.
- اجزا و خط لوله‌های داده AI/ML را برای فرایندهای قیمت‌گذاری، ارزیابی ریسک، فروش، خدمات، تمدید و چرخه عمر بیمه‌نامه بسازید، مستقر کنید و نگهداری کنید.
- طرح‌های راهکار و الگوهای معماری تأییدشده را به کد و جریان‌های کاری قابل‌اعتماد، آزموده‌شده و آماده تولید تبدیل کنید.
- از ابتکارهای هوش مصنوعی مولد و عامل‌محور از طریق هماهنگ‌سازی پرامپت، تولید تقویت‌شده با بازیابی، ارزیابی، گاردریل‌ها و یکپارچه‌سازی با اکوسیستم پشتیبانی کنید.
- خط لوله‌های دسته‌ای و تقریباً بلادرنگ را برای آموزش، ایجاد ویژگی، استنتاج، پس‌پردازش، یکپارچه‌سازی قواعد کسب‌وکار و تحویل پایین‌دستی توسعه دهید و اجرا کنید.
- با استفاده از شیوه‌های تثبیت‌شده CI/CD، آزمایش، مشاهده‌پذیری، امنیت و عملیات، سرویس‌ها، jobها، APIها و جریان‌های کاری هوش مصنوعی تولیدی را در AWS و GCP مستقر و نگهداری کنید.
- کیفیت پیاده‌سازی را از طریق بازبینی کد، آزمایش واحد و یکپارچه، مستندسازی، runbookها، ارزیابی آمادگی و پشتیبانی از پاسخ به رخدادها تضمین کنید.
- مهندسان junior را آموزش دهید و راهنمایی کنید.
- برای شفاف‌سازی نیازمندی‌ها، اعتبارسنجی نتایج، رفع مشکلات داده و هم‌راستا کردن راهکارها با فرایندهای کسب‌وکار، با دانشمندان داده، مهندسان داده، مالکان دارایی، تیم‌های ارزیابی ریسک و قیمت‌گذاری همکاری کنید.
- مستندات حاکمیت مدل‌ها و خط لوله‌ها را نگهداری کنید؛ این مستندات باید شامل تبار داده، ورودی‌ها و خروجی‌ها، معیارهای پایش، شواهد اعتبارسنجی، کنترل‌های عملیاتی و مطالب تحویل باشد.
- ریسک‌ها، گلوگاه‌ها و کاستی‌های عملیاتی را ارزیابی کنید و بهبودهای عملی پیشنهاد دهید.
شرایط لازم
- مدرک کارشناسی در رشته‌ای مرتبط یا دست‌کم شش سال تجربه معادل در مهندسی نرم‌افزار، مهندسی داده، مهندسی ML/DevOps، مهندسی هوش مصنوعی کاربردی یا یک حوزه فنی نزدیک.
- تجربه عملی پیشرفته در Python، SQL، شیوه‌های چرخه عمر توسعه نرم‌افزار، توسعه مبتنی بر Git، آزمایش خودکار و تحویل کد تولیدی.
- تجربه استقرار و اجرای workloadهای داده، AI یا ML در AWS و GCP، شامل فضای ذخیره‌سازی ابری، محاسبات مدیریت‌شده، هماهنگ‌سازی، دسترسی آگاه از IAM، ثبت گزارش و پایش.
- دانش عملی مهندسی ML، شامل خط لوله‌های ویژگی، جریان‌های کاری آموزش، امتیازدهی دسته‌ای، سرویس‌های استنتاج، پایش مدل، تشخیص drift، اعتبارسنجی، بازآموزی و پشتیبانی تولید.
- توانایی کار در چارچوب معماری موجود، الزامات امنیت سازمانی، استانداردهای حاکمیت داده، قراردادهای کدنویسی و کنترل‌های عملیاتی.
- توانایی رهبری تلاش‌های پیاده‌سازی، راهنمایی مهندسان junior، توضیح موازنه‌ها و مدیریت چندین خروجی مدل و خط لوله با نظارت روزانه محدود.
- مجوز کار در ایالات متحده بدون حمایت مالی شرکت.
- مدرک کارشناسی ارشد در علوم کامپیوتر، مهندسی، فناوری اطلاعات، MIS، علم داده یا رشته‌ای مرتبط ترجیح داده می‌شود.
- تجربه در بیمه، مزایای کارکنان، قیمت‌گذاری، ارزیابی ریسک، انتخاب ریسک، توانمندسازی فروش یا تحلیل چرخه عمر بیمه‌نامه.
- تجربه پشتیبانی از سبدهای مدل پیش‌بینانه‌ای که به نوسازی زمان‌بندی‌شده، ردیابی عملکرد، اعتبارسنجی کسب‌وکار و استقرار تولیدی تحت حاکمیت نیاز دارند.
- تجربه پیاده‌سازی الگوهای هوش مصنوعی مولد یا عامل‌محور، شامل RAG، ارزیابی پرامپت، یکپارچه‌سازی برنامه‌های LLM، کنترل‌های ایمنی AI، فرایندهای human-in-the-loop و اعتبارسنجی خروجی.
- تجربه کار با پلتفرم‌های هماهنگ‌سازی و جریان کاری مانند Airflow، Cloud Composer، Step Functions، Vertex AI Pipelines یا ابزارهای سازمانی مشابه.
- تجربه در CI/CD، کانتینرها، APIها، مفاهیم زیرساخت به‌عنوان کد، مشاهده‌پذیری و مدیریت رخدادهای تولیدی.
مزایا
- واجد شرایط بودن برای برنامه‌های پاداش کوتاه‌مدت یا سالانه.
- دسترسی به فرصت‌های مشوق بلندمدت.
- جوایز قدردانی فوری.
- ترتیب کاری ترکیبی.