Plenful
Plenful
Plenful développe un logiciel d’automatisation des flux de travail par l’IA destiné aux équipes de pharmacie et de perfusion. Sa plateforme relie des données provenant d’API, de HL7, de SFTP, de PDF et de bases de données afin de gérer des tâches administratives comme l’audit et l’optimisation du programme 340B, la collecte des orientations, la gestion des remboursements, les informations sur le prix maximal équitable, les autorisations préalables et la réception des commandes. Plenful accompagne les systèmes de santé, les pharmacies spécialisées, les cabinets de perfusion et les groupes de professionnels de santé, en mettant l’accent sur la conformité des opérations, la récupération des revenus et la réduction du travail manuel.

Ingénieur·e principal·e en apprentissage automatique, Plenful (San Francisco, hybride)

Définissez la stratégie de production pour les agents d’apprentissage automatique, le post-entraînement des modèles et leur évaluation. Développez l’automatisation par l’IA dans le secteur de la santé afin de réduire les tâches administratives et de renforcer la conformité.

Description

  • Concevez des agents de production couvrant l’utilisation d’outils, la recherche d’informations, la gestion de l’état et du contexte, le routage, l’orchestration, le traçage et la reprise après échec.
  • Transformez les approches efficaces en modèles d’ingénierie réutilisables.
  • Décidez s’il faut développer ou acheter les modèles et les composants de la plateforme.
  • Définissez la stratégie de post-entraînement de l’entreprise.
  • Entraînez et déployez des LLM et des modèles de vision-langage pour des tâches liées à la santé.
  • Développez des capacités internes pour poursuivre l’entraînement des modèles.
  • Créez des évaluations qui démontrent les améliorations en production.
  • Définissez la stratégie de qualité de l’IA à l’aide de correcteurs automatisés, de juges LLM calibrés, de suites de régression, de revues humaines, de taxonomies des échecs et de validations de l’offline vers l’online.
  • Fondez les décisions de mise en production sur les résultats des évaluations.
  • Développez des systèmes qui utilisent les échecs en production et les retours des utilisateurs pour améliorer les jeux de données, les évaluations et les modèles.
  • Établissez des normes pour le versionnage des jeux de données, l’observabilité et le MLOps.
  • Définissez la feuille de route ML des 12 prochains mois avec les responsables de l’ingénierie et du produit.
  • Dirigez les revues techniques, accompagnez les ingénieurs seniors et contribuez au recrutement.
  • Intégrez la protection de la vie privée dès la conception en utilisant uniquement les données nécessaires, des données dé-identifiées ou synthétiques lorsque c’est approprié, et des pratiques conformes à HIPAA.
  • Au cours des 30 premiers jours, examinez les agents, les évaluations et le pipeline d’entraînement afin de repérer les trois lacunes les plus importantes.
  • D’ici le 90e jour, livrez une amélioration du post-entraînement ou de l’évaluation qui fait progresser un indicateur de production.
  • D’ici le 90e jour, publiez le plan de l’équipe pour les deux trimestres suivants.

Exigences

  • Au moins 8 ans d’expérience en apprentissage automatique ou en ingénierie logicielle, dont plus de 3 ans à diriger des systèmes LLM ou des agents en production.
  • Expérience pratique de bout en bout du post-entraînement appliqué, par exemple le réglage fin supervisé, l’optimisation des préférences, la distillation ou l’apprentissage par renforcement.
  • Expérience de mise en production d’un modèle ayant amélioré un indicateur de production.
  • Expérience dans la conception de stratégies d’évaluation de LLM ou d’agents ayant éclairé les décisions de mise en production.
  • Expérience en architecture de systèmes d’agents de production.
  • Expérience avec LangGraph, le RAG et des outils de recherche vectorielle comme Pinecone.
  • Maîtrise de Python et de PyTorch.
  • Connaissance d’outils d’entraînement et de service distribués comme vLLM, FSDP ou DeepSpeed.
  • Expérience en MLOps avec Docker, Kubernetes, MLflow ou équivalent, CI/CD, ainsi que le suivi des expériences et des jeux de données.
  • Capacité à exercer de l’influence sans autorité hiérarchique, au moyen de documents de conception, de revues et de mentorat.
  • Connaissance à jour des nouveaux modèles et des agents de programmation.
  • Capacité à transformer des articles et des lancements en expériences et à communiquer des résultats quantifiés.
  • Exemples de travaux utilisés par d’autres, comme des contributions open source, des articles, des présentations ou des évaluations.
  • Souhaité : expérience des données de santé, notamment EHR, FHIR, demandes de remboursement ou autorisations préalables.
  • Souhaité : publications ou contributions open source sur l’évaluation des LLM, le post-entraînement ou les agents.
  • Souhaité : expérience des entretiens et du recrutement d’ingénieurs ML.
  • Souhaité : expérience dans un autre secteur réglementé à forts enjeux.

Avantages

  • Travail hybride flexible avec une approche privilégiant le télétravail et une présence significative dans les bureaux de San Francisco et de New York.
  • Couverture complète des soins médicaux, dentaires et de la vue pour les employés, avec participation possible de la famille.
  • Plan 401(k) avec une contribution équivalente de l’entreprise à hauteur de 50 % des premiers 3 % versés.
  • Participation au capital pour tous les employés à temps plein.
  • Congés payés illimités.
  • Allocation hebdomadaire de 100 $ pour les déjeuners.
  • Allocation mensuelle de 100 $ pour le bien-être.
  • Aide mensuelle de 100 $ au transport pour les employés basés à San Francisco et à New York.
  • Congé parental rémunéré.
  • Possibilités d’évolution professionnelle.
  • Équipe guidée par une mission et composée de collègues expérimentés.
  • Collaboration avec des responsables expérimentés et très performants.

Offres similaires

U.S. Bank

Ingénieur principal en IA, accélération de l’IA en entreprise

U.S. Bank

Pilotez l’adoption sécurisée et évolutive de l’IA chez U.S. Bank en déployant des solutions d’IA générative, des cadres d’ingénierie réutilisables et de l’automatisation intelligente. Collaborez avec les équipes métier et technologiques pour faire passer les cas d’usage de l’IA en entreprise de l’idée à la production.

Ouvrir
BigHat Biosciences

Directeur·rice de l’apprentissage automatique, conception d’anticorps

BigHat Biosciences

Pilotez la stratégie d’apprentissage automatique et la modélisation de la conception d’anticorps chez BigHat Biosciences, en associant modèles de pointe, données de laboratoire et automatisation par LLM. Accompagnez une équipe interdisciplinaire senior et contribuez à améliorer les cycles de conception qui soutiennent la production de plus de 2 000 anticorps par semaine.

Ouvrir
Gusto

Architecte senior IA pour la FP&A chez Gusto

Gusto
1 001 – 5 000 Employés
AssuranceConseilSoins de santé

Définissez la planification, les prévisions et le reporting financiers assistés par l’IA pour l’organisation du CFO de Gusto. Créez des systèmes de données financières gouvernés et des flux automatisés pour améliorer la prise de décision.

Ouvrir
Wells Fargo

Ingénieur principal, IA et paiements numériques

Wells Fargo

Pilotez la modernisation des paiements numériques et l’adoption de l’IA chez Wells Fargo. Définissez des plateformes résilientes axées sur les API et conseillez les responsables technologiques des paiements aux particuliers.

Ouvrir
Poesis AI

Ingénieur·e principal en apprentissage automatique, IA financière

Poesis AI

Développez des signaux prédictifs, des modèles d’apprentissage automatique en production et des systèmes d’évaluation pour la plateforme d’investissement autonome de Poesis AI. Appliquez l’IA aux données financières et utilisez les résultats des investissements pour améliorer les modèles et les agents.

Ouvrir