ExaCare AI tworzy oprogramowanie SaaS dla podmiotów świadczących opiekę po hospitalizacji, w tym wykwalifikowanych placówek opieki pielęgniarskiej i agencji domowej opieki zdrowotnej. Platforma wspiera weryfikację skierowań, sprawdzanie ubezpieczenia, procesy refundacji oraz przyjmowanie pacjentów, podsumowując dokumentację kliniczną, identyfikując ryzyka kliniczne i finansowe, takie jak możliwości związane z PDPM, sprawdzając uprawnienia do objęcia ubezpieczeniem oraz zapewniając wgląd w obłożenie, trendy dotyczące liczby pacjentów i wyniki operacyjne.
Inżynier uczenia maszynowego w ExaCare AI — praca hybrydowa, Toronto
Twórz produkcyjną infrastrukturę ML, potoki danych i systemy monitorowania dla platformy ExaCare AI wspierającej opiekę po ostrych stanach medycznych. Pomagaj zespołom medycznym podejmować bezpieczniejsze decyzje dotyczące kierowania pacjentów dzięki niezawodnym i skalowalnym systemom uczenia maszynowego.
Opis
- Odpowiadaj za procesy i infrastrukturę na całym cyklu życia uczenia maszynowego
- Współpracuj z badaczami i praktykami ML przy wdrażaniu modeli i przyspieszaniu iteracji
- Twórz i rozwijaj potoki danych oraz trenowania modeli
- Usprawniaj przetwarzanie i adnotowanie danych, a także ogólną efektywność systemów ML
- Wdrażaj i utrzymuj usługi pomocnicze do trenowania modeli i inferencji
- Twórz narzędzia do monitorowania jakości modeli, niezawodności systemów i wydajności operacyjnej
- Zwiększaj skalowalność, obserwowalność i odtwarzalność systemów ML
- Dostosowuj infrastrukturę ML, aby poprawiać szybkość, niezawodność i efektywność kosztową
- Identyfikuj wąskie gardła procesów i automatyzuj powtarzalne operacje ML
- Definiuj i stosuj najlepsze praktyki w zakresie MLOps, wdrażania i wydajności systemów
Wymagania
- Co najmniej trzy lata doświadczenia w inżynierii uczenia maszynowego, MLOps, infrastrukturze ML, inżynierii danych lub inżynierii backendowej i platformowej dla środowisk ML
- Doświadczenie we wspieraniu systemów uczenia maszynowego od przekazania modelu po wdrożenie i monitorowanie
- Udokumentowane doświadczenie w prowadzeniu potoków danych, trenowania modeli lub innych produkcyjnych procesów ML
- Doświadczenie we współpracy z badaczami, analitykami danych lub praktykami ML przy wdrażaniu modeli do produkcji
- Mocne podstawy inżynierii oprogramowania i doświadczenie w dostarczaniu systemów produkcyjnych
- Doświadczenie w monitorowaniu, debugowaniu i usprawnianiu produkcyjnych systemów ML lub danych
- Udokumentowane usprawnienia niezawodności, skalowalności, szybkości lub efektywności kosztowej systemów ML
- Umiejętność przejmowania odpowiedzialności w dynamicznym środowisku przypominającym startup
Benefity
- Konkurencyjne wynagrodzenie i udziały w szybko rozwijającym się startupie
- Elastyczny płatny urlop
- Ubezpieczenie medyczne, stomatologiczne i okulistyczne
- Firmowe wyjazdy integracyjne
- Współpracujący zespół, w tym byli inżynierowie Amazon oraz absolwenci Bain, BCG, Goldman Sachs i innych organizacji