ScreenPoint Medical ir veselības aprūpes tehnoloģiju uzņēmums, kas koncentrējas uz mākslīgā intelekta atbalstītu krūšu attēlveidošanu. Tā programmatūras komplekts Transpara atbalsta mamogrāfiju un klīnisko izvērtēšanu, nodrošinot automatizētu vēža noteikšanu, krūšu blīvuma novērtēšanu un dažādos laikos iegūtu attēlu salīdzināšanu. Transpara tiek piedāvāts kā abonējama programmatūra, ko var integrēt esošajās klīniskajās darbplūsmās, un tas ir izstrādāts, lai palīdzētu radiologiem izvērtēt krūšu attēlus, identificēt potenciāli augsta riska gadījumus un strādāt efektīvāk, tostarp izvērtējot blīvus krūšu audus. Uzņēmuma pieeja balstās klīniskajos pierādījumos, recenzētā validācijā un regulatīvajos apstiprinājumos, tostarp FDA apstiprinājumā un CE marķējumā.
Vecākais mākslīgā intelekta ieviešanas inženieris – Neimegena, hibrīddarbs
Vadi ražošanai gatavu mākslīgā intelekta rīku un automatizācijas izstrādi un ieviešanu uzņēmuma ScreenPoint Medical krūts vēža attēlveidošanas produktiem. Atbildi par AWS, Kubernetes, GitOps balstītu CI/CD un mākslīgā intelekta iekšējo ieviešanu.
Apraksts
- Vadi ScreenPoint Medical mākslīgā intelekta ieviešanas stratēģiju
- Izvērtē iekšējās darbplūsmas automatizācijas iespēju ziņā un nosaki, kurām iniciatīvām piešķirt prioritāti
- Izstrādā mākslīgā intelekta rīkus, kas uzlabo iekšējās darbplūsmas, sadarbojoties ar par tām atbildīgajām komandām
- Iekļauj drošības apsvērumus risinājumu izstrādē un ieviešanā
- Veicini mākslīgā intelekta iekšēju ieviešanu un palīdzi kolēģiem un komandām gūt vērtību no jauniem rīkiem
- Ātri nodrošini ražošanai gatavus iekšējos rīkus, pārveidojot koncepcijas pierādījumus risinājumos, ko izmanto ikdienā
- Iekļauj LLM un mākslīgā intelekta iespējas, tostarp API, aģentus, ar meklēšanu papildinātu ģenerēšanu un automatizācijas ietvarus, rīkos un konveijeros
- Izveido un pārvaldi GitOps vadītus CI/CD konveijerus
- Pārvaldi un pilnveido Kubernetes infrastruktūru, ietverot izvietošanu, mērogošanu, novērojamību un izmaksu kontroli
- Uzņemies atbildību par risinājumiem visā to dzīves ciklā – no sākotnējās koncepcijas līdz atbalstam ražošanā
Prasības
- Proaktīvs un patstāvīgs speciālists, kurš spēj pārvaldīt mākslīgā intelekta ieviešanu no sarunām ar ieinteresētajām pusēm līdz piegādei, darbībai un ieviešanai
- Pierādīta spēja radīt jaunus risinājumus un vadīt organizatoriskas pārmaiņas
- Pieredze izstrādē ar mākslīgā intelekta un LLM rīkiem, piemēram, API, aģentu vai orķestrēšanas ietvariem un automatizācijas sistēmām; alternatīvi – spēcīga programmatūras inženierijas pieredze ar skaidru virzību uz mākslīgā intelekta rīkiem
- Vismaz septiņu gadu DevOps pieredze mākoņpakalpojumu izstrādes atbalstīšanā
- Viena līdz divu pēdējo gadu pieredze, galveno uzmanību pievēršot mākslīgā intelekta ieviešanai un rīkiem
- Padziļināta praktiska DevOps pieredze darbā ar AWS, Argo, Jenkins, Git, Terraform, CI/CD arhitektūru un infrastruktūru kā kodu
- Praktiskas Kubernetes zināšanas par izvietošanu, mērogošanu, problēmu novēršanu un klasteru darbību
- Bitbucket pieredze tiks uzskatīta par priekšrocību
- Pieredze regulētā vai veselības aprūpes programmatūras vidē tiks uzskatīta par priekšrocību
- Pieteikšanās procesā nepieciešama uzvedības izziņa (VOG) vai fona pārbaude
Priekšrocības
- Iespējas attīstīt savu karjeru
- Pieteikšanās process ietver uzvedības izziņu (VOG) vai fona pārbaudi