Solventum
Solventum
Solventum membangunkan teknologi dan perkhidmatan penjagaan kesihatan yang direka untuk menyokong rawatan perubatan dan pergigian yang lebih selamat serta cekap. Portfolionya merangkumi penjagaan luka lanjutan, penyelesaian pembedahan dan pensterilan, produk penjagaan mulut, perkhidmatan maklumat dan teknologi kesihatan, serta sistem penulenan dan penapisan untuk aplikasi biofarmaseutikal. Syarikat ini turut menyokong profesional penjagaan kesihatan melalui sumber pendidikan dan latihan, dengan menggabungkan pembangunan produk serta tumpuan terhadap keselamatan pesakit, hasil klinikal dan kecekapan operasi.

Jurutera Pembelajaran Mesin - Solventum - Kerja Jarak Jauh di Pennsylvania

Bina infrastruktur pembelajaran mesin pengeluaran dan perkhidmatan AI untuk sistem maklumat penjagaan kesihatan Solventum. Peranan ini merangkumi MLOps, kejuruteraan data penjagaan kesihatan, penggunaan awan, pemantauan dan pematuhan.

Penerangan

  • Mewujudkan dan menyelenggara saluran penghantaran pembelajaran mesin, menggunakan dan memantau model pengeluaran, mentransformasikan data penjagaan kesihatan, menyokong stor ciri, mengintegrasikan AI ke dalam aplikasi penjagaan kesihatan serta menyelenggara sistem yang selamat dan didokumentasikan.
  • Menggunakan model pembelajaran mesin sebagai API dan perkhidmatan mikro berskala yang memenuhi keperluan prestasi klinikal dan kependaman.
  • Memantau kualiti model, hanyutan data dan kesihatan perkhidmatan pengeluaran.
  • Membina dan menambah baik aliran kerja ETL yang menukar data penjagaan kesihatan FHIR, HL7 dan format lain kepada set data latihan dan inferens.
  • Membantu menyelenggara stor ciri dan lapisan data yang memastikan data latihan dan pengeluaran kekal selaras.
  • Bekerjasama dengan jurutera bahagian belakang untuk mengintegrasikan hasil pembelajaran mesin ke dalam produk penjagaan kesihatan teras.
  • Menghasilkan kod Python yang jelas, mudah diselenggara dan didokumentasikan dengan baik.
  • Menyumbang kepada semakan kod rakan sekerja.
  • Membungkus dan mengatur beban kerja pembelajaran mesin dengan Docker dan Kubernetes.
  • Menggunakan keperluan HIPAA dan HITRUST pada pemprosesan data dan penggunaan sistem.
  • Melakukan perjalanan domestik sehingga 10%.
  • Melengkapkan orientasi wajib di lokasi sepanjang hari-hari pertama pekerjaan.

Keperluan

  • Ijazah sarjana muda atau lebih tinggi dalam sains komputer, kejuruteraan perisian, kejuruteraan data atau bidang berkaitan.
  • Sekurang-kurangnya enam tahun pengalaman profesional dalam kejuruteraan perisian atau kejuruteraan data.
  • Sekurang-kurangnya lima tahun pengalaman menggunakan Python, serta biasa dengan SQL.
  • Sekurang-kurangnya dua tahun bekerja dengan sistem pembelajaran mesin dalam pengeluaran.
  • Sekurang-kurangnya lima tahun menggunakan AWS dan teknologi kontena seperti Docker.
  • Sekurang-kurangnya tiga tahun pengalaman profesional menggunakan Java.
  • Sekurang-kurangnya tiga tahun menggunakan pustaka pembelajaran mesin seperti PyTorch atau Scikit-learn dan alat MLOps seperti Airflow, Prefect, BentoML atau Kubeflow.
  • Sekurang-kurangnya empat tahun menggunakan rangka kerja pemprosesan data seperti Pandas, Spark atau dbt.
  • Biasa dengan penggunaan model bahasa besar atau bekerja dengan rangka kerja seperti LangChain.
  • Pengalaman dalam industri terkawal, termasuk penjagaan kesihatan atau kewangan.
  • Pengetahuan tentang reka bentuk API dan seni bina perkhidmatan mikro.
  • Kerja mesti mematuhi dasar korporat, prosedur, piawaian keselamatan dan keperluan resume atau permohonan yang didokumentasikan.
  • Pendidikan dan sejarah pekerjaan mesti diberikan melalui resume atau medan permohonan.

Faedah

  • Perlindungan perubatan, pergigian dan penglihatan.
  • Pilihan akaun simpanan kesihatan.
  • Akaun perbelanjaan fleksibel untuk penjagaan kesihatan dan penjagaan tanggungan.
  • Faedah hilang upaya.
  • Insurans hayat.
  • Program faedah sukarela.
  • Cuti berbayar.
  • Faedah persaraan.
  • Perjalanan dan perbelanjaan berkaitan untuk orientasi wajib di lokasi ditanggung syarikat.
  • Perjalanan domestik sehingga 10% mungkin diperlukan.