ExaCare AI utvikler SaaS-programvare for tilbydere av etterbehandling, inkludert sykehjem med spesialisert pleie og hjemmehelsetjenester. Plattformen støtter gjennomgang av henvisninger, verifisering av forsikringsdekning, arbeidsflyter for refusjon og inntak ved å oppsummere kliniske journaler, identifisere kliniske og økonomiske risikoer som PDPM-muligheter, kontrollere om dekning er tilgjengelig og gi oversikt over beleggsgrad, utvikling i pasienttall og operasjonelle resultater.
Maskinlæringsingeniør hos ExaCare AI — hybrid i Toronto
Bygg den produksjonsklare ML-infrastrukturen, pipelinene og overvåkingen som driver ExaCare AIs plattform for etterbehandling. Hjelp helseteam med å ta tryggere beslutninger om plassering gjennom pålitelige og skalerbare maskinlæringssystemer.
Beskrivelse
- Ha ansvar for arbeidsflyter og infrastruktur gjennom hele maskinlæringens livssyklus
- Samarbeide med forskere og ML-praktikere om å sette modeller i produksjon og fremskynde iterasjoner
- Opprette og forbedre data- og modelltreningspipelines
- Effektivisere databehandling, annotering og den samlede effektiviteten i ML-systemer
- Sette i produksjon og drifte støttetjenester for modelltrening og inferens
- Utvikle overvåkingsverktøy for modellkvalitet, systempålitelighet og operasjonell ytelse
- Øke ML-systemenes skalerbarhet, observerbarhet og reproduserbarhet
- Optimalisere ML-infrastrukturen for høyere hastighet, pålitelighet og kostnadseffektivitet
- Finne flaskehalser i arbeidsflyter og automatisere repetitive ML-operasjoner
- Definere og anvende beste praksis for MLOps, produksjonssetting og systemytelse
Krav
- Minst tre års erfaring med ML-engineering, MLOps, ML-infrastruktur, data engineering eller backend- og plattformutvikling for ML-miljøer
- Erfaring med å støtte maskinlæringssystemer fra modelloverlevering til produksjonssetting og overvåking
- Dokumentert erfaring med ansvar for datapipelines, treningspipelines eller andre produksjonsarbeidsflyter innen ML
- Erfaring med å samarbeide med forskere, data scientists eller ML-praktikere for å sette modeller i produksjon
- Sterkt grunnlag innen programvareutvikling og erfaring med å levere produksjonssystemer
- Erfaring med å overvåke, feilsøke og forbedre ML- eller datasystemer i produksjon
- Dokumenterte forbedringer av pålitelighet, skalerbarhet, hastighet eller kostnadseffektivitet i ML-systemer
- Evne til å ta eierskap i et raskt startupmiljø
Fordeler
- Konkurransedyktig lønn og eierandel i en raskt voksende startup
- Fleksibel betalt fri
- Helse-, tann- og synsforsikring
- Bedriftsarrangementer utenfor kontoret
- Samarbeidsorientert team med tidligere Amazon-ingeniører og alumner fra Bain, BCG, Goldman Sachs og andre organisasjoner