Az ExaCare AI akut ellátást követő egészségügyi szolgáltatók, köztük szakképzett ápolást nyújtó intézmények és otthoni egészségügyi szolgáltatók számára fejleszt SaaS-szoftvereket. Platformja a klinikai dokumentációk összefoglalásával, a klinikai és pénzügyi kockázatok – például a PDPM-lehetőségek – azonosításával, a biztosítási fedezetre való jogosultság ellenőrzésével, valamint a férőhely-kihasználtság, a beteglétszám alakulása és a működési teljesítmény átláthatóvá tételével támogatja a beutalók felülvizsgálatát, a biztosítás ellenőrzését, a térítési folyamatokat és a felvételeket.
Gépi tanulási mérnök az ExaCare AI-nál — Hibrid, Toronto
Építse az ExaCare AI posztakut ellátási platformja mögött működő éles gépi tanulási infrastruktúrát, adatfeldolgozási folyamatokat és felügyeleti rendszereket. Megbízható, skálázható gépi tanulási rendszerekkel segítse az egészségügyi csapatokat biztonságosabb elhelyezési döntések meghozatalában.
Leírás
- Legyen felelős a teljes gépi tanulási életciklust lefedő munkafolyamatokért és infrastruktúráért
- Dolgozzon kutatókkal és gépi tanulási szakemberekkel a modellek élesítésén és az iteráció felgyorsításán
- Hozzon létre és fejlesszen adat- és modellbetanítási folyamatokat
- Egyszerűsítse az adatfeldolgozást, a címkézést és a gépi tanulási rendszer általános hatékonyságát
- Telepítse és üzemeltesse a modellbetanítást és a következtetést támogató szolgáltatásokat
- Fejlesszen felügyeleti eszközöket a modellminőség, a rendszer megbízhatósága és az üzemeltetési teljesítmény mérésére
- Növelje a gépi tanulási rendszerek skálázhatóságát, megfigyelhetőségét és reprodukálhatóságát
- Hangolja a gépi tanulási infrastruktúrát a nagyobb sebesség, megbízhatóság és költséghatékonyság érdekében
- Azonosítsa a munkafolyamatok szűk keresztmetszeteit, és automatizálja az ismétlődő gépi tanulási műveleteket
- Határozza meg és alkalmazza az MLOps, a telepítés és a rendszer teljesítményének bevált gyakorlatait
Követelmények
- Legalább három év tapasztalat gépi tanulási mérnöki, MLOps-, gépi tanulási infrastruktúra-, adatmérnöki, illetve gépi tanulási környezetekben végzett háttér- vagy platformmérnöki munkában
- Tapasztalat a gépi tanulási rendszerek támogatásában a modell átadásától a telepítésen át a felügyeletig
- Igazolható tapasztalat adatfeldolgozási folyamatok, betanítási folyamatok vagy más éles gépi tanulási munkafolyamatok teljes körű felelősségvállalásában
- Tapasztalat kutatókkal, adattudósokkal vagy gépi tanulási szakemberekkel való együttműködésben a modellek éles környezetbe juttatásához
- Erős szoftvermérnöki alapok és tapasztalat éles rendszerek szállításában
- Tapasztalat éles gépi tanulási vagy adatrendszerek felügyeletében, hibakeresésében és fejlesztésében
- Bizonyítható eredmények a gépi tanulási rendszerek megbízhatóságának, skálázhatóságának, sebességének vagy költséghatékonyságának javításában
- Önálló felelősségvállalási képesség gyors tempójú, startup jellegű környezetben
Juttatások
- Versenyképes fizetés és részesedés egy gyorsan növekvő startupnál
- Rugalmas fizetett szabadság
- Egészség-, fogászati és látásbiztosítás
- Céges külső rendezvények
- Együttműködő csapat korábbi Amazon-mérnökökkel, valamint a Bain, a BCG, a Goldman Sachs és más szervezetek korábbi munkatársaival