LogoFresh Jobs Ahead
Plenful
Plenful
51 – 200 Pracownicy
Opieka zdrowotnaSaaSSztuczna inteligencja
Plenful tworzy oprogramowanie do automatyzacji procesów pracy oparte na AI, przeznaczone dla zespołów aptecznych i infuzyjnych. Platforma łączy dane z interfejsów API, HL7, serwerów SFTP, plików PDF i baz danych, aby obsługiwać zadania administracyjne, takie jak audyt i optymalizacja programu 340B, rejestrowanie skierowań, zarządzanie rabatami, analiza Maximum Fair Price, uzyskiwanie uprzedniej zgody oraz przyjmowanie zamówień. Plenful obsługuje systemy ochrony zdrowia, apteki specjalistyczne, placówki infuzyjne i grupy świadczeniodawców, koncentrując się na zgodności operacji z przepisami, rozliczaniu przychodów i ograniczaniu pracy ręcznej.
LinkedIn
Oferty pracy firmy

Starszy inżynier uczenia maszynowego, Plenful (San Francisco, praca hybrydowa)

Wyznaczaj strategię produkcyjnych agentów ML, dotrenowywania modeli i ich ewaluacji. Twórz rozwiązania AI automatyzujące procesy w ochronie zdrowia, ograniczające pracę administracyjną i wzmacniające zgodność z wymogami.

USStany ZjednoczoneCAKaliforniaHybrydowoPełny etatLeadWymagany Język: angielskiInżynier uczenia maszynowego
DockerKubernetesPythonPyTorch

Opis

  • Projektować produkcyjne systemy agentowe obejmujące korzystanie z narzędzi, wyszukiwanie, zarządzanie stanem i kontekstem, routing, orkiestrację, śledzenie oraz odzyskiwanie po awariach.
  • Przekształcać skuteczne podejścia w wielokrotnego użytku wzorce inżynieryjne.
  • Decydować, czy modele i komponenty platformy budować, czy kupować.
  • Wyznaczać strategię firmy w zakresie dotrenowywania modeli.
  • Trenować i wdrażać duże modele językowe oraz modele wizyjno-językowe do zadań związanych z ochroną zdrowia.
  • Rozwijać wewnętrzne możliwości dalszego trenowania modeli.
  • Tworzyć ewaluacje wykazujące poprawę w środowisku produkcyjnym.
  • Określać strategię jakości AI obejmującą automatycznych oceniających, skalibrowane modele-sędziów, zestawy testów regresyjnych, weryfikację przez ludzi, taksonomie awarii i walidację od trybu offline do online.
  • Podejmować decyzje o wdrożeniu na podstawie wyników ewaluacji.
  • Budować systemy wykorzystujące awarie produkcyjne i opinie użytkowników do ulepszania zbiorów danych, ewaluacji i modeli.
  • Ustanawiać standardy wersjonowania zbiorów danych, obserwowalności i MLOps.
  • Tworzyć 12-miesięczną mapę drogową ML wspólnie z liderami inżynierii i produktu.
  • Prowadzić przeglądy techniczne, mentorować starszych inżynierów i uczestniczyć w rekrutacji.
  • Projektować z myślą o prywatności: wykorzystywać wyłącznie niezbędne dane, w stosownych przypadkach dane zanonimizowane lub syntetyczne oraz praktyki uwzględniające HIPAA.
  • W ciągu pierwszych 30 dni przeanalizować agentów, ewaluacje i potok treningowy oraz wskazać trzy największe luki.
  • Do 90. dnia wdrożyć ulepszenie dotrenowywania lub ewaluacji, które wpłynie na wskaźnik produkcyjny.
  • Do 90. dnia opublikować plan zespołu na kolejne dwa kwartały.

Wymagania

  • Co najmniej 8 lat doświadczenia w ML lub inżynierii oprogramowania, w tym ponad 3 lata kierowania produkcyjnymi systemami LLM lub agentami.
  • Doświadczenie w praktycznym dotrenowywaniu modeli od początku do końca, np. przez dostrajanie nadzorowane, optymalizację preferencji, destylację lub uczenie ze wzmocnieniem.
  • Doświadczenie we wdrożeniu modelu, który poprawił wskaźnik produkcyjny.
  • Doświadczenie w projektowaniu strategii ewaluacji LLM lub agentów, które wpływały na decyzje o wdrożeniu.
  • Doświadczenie w projektowaniu produkcyjnych systemów agentowych.
  • Doświadczenie z LangGraph, RAG i narzędziami wyszukiwania wektorowego, takimi jak Pinecone.
  • Bardzo dobra znajomość Python i PyTorch.
  • Znajomość narzędzi do treningu rozproszonego i serwowania modeli, takich jak vLLM, FSDP lub DeepSpeed.
  • Doświadczenie z MLOps, Dockerem, Kubernetesem, MLflow lub odpowiednikami, CI/CD oraz śledzeniem eksperymentów i zbiorów danych.
  • Umiejętność wywierania wpływu bez formalnych uprawnień za pomocą dokumentacji projektowej, przeglądów i mentoringu.
  • Aktualna wiedza o nowych modelach i agentach programistycznych.
  • Umiejętność przekładania publikacji i nowych wydań na eksperymenty oraz przedstawiania wyników ilościowych.
  • Przykłady pracy wykorzystywanej przez innych, takie jak wkład w projekty open source, opracowania, wystąpienia lub ewaluacje.
  • Mile widziane: doświadczenie z danymi medycznymi, takimi jak EHR, FHIR, roszczenia ubezpieczeniowe lub uprzednia autoryzacja.
  • Mile widziane: publikacje lub wkład w projekty open source dotyczące ewaluacji LLM, dotrenowywania lub agentów.
  • Mile widziane: doświadczenie w prowadzeniu rozmów kwalifikacyjnych i rekrutacji inżynierów ML.
  • Mile widziane: doświadczenie w innej regulowanej branży o wysokiej stawce.

Benefity

  • Elastyczna praca hybrydowa z priorytetem pracy zdalnej i znaczącą obecnością w biurach w San Francisco i Nowym Jorku.
  • Pełne ubezpieczenie medyczne, stomatologiczne i okulistyczne dla pracowników, z możliwością objęcia nim rodziny.
  • Plan 401(k) z dopłatą firmy w wysokości 50% od pierwszych 3% wpłaty pracownika.
  • Udziały w firmie dla wszystkich pracowników pełnoetatowych.
  • Nieograniczony płatny urlop.
  • Tygodniowy dodatek obiadowy w wysokości 100 USD.
  • Miesięczny dodatek na zdrowie i dobre samopoczucie w wysokości 100 USD.
  • Miesięczny dodatek na dojazdy w wysokości 100 USD dla pracowników w San Francisco i Nowym Jorku.
  • Płatny urlop rodzicielski.
  • Możliwości rozwoju zawodowego.
  • Zespół doświadczonych współpracowników skupionych wokół misji.
  • Współpraca z doświadczonymi, skutecznymi liderami.

Powiązane oferty pracy

U.S. Bank

Główny inżynier AI ds. przyspieszania wdrażania AI w przedsiębiorstwie

U.S. Bank
DoradztwoLogistykaUbezpieczenia
USStany ZjednoczoneCAKaliforniaCOKoloradoILIllinoisMNMinnesotaNCKarolina Północna
149 515 $ – 175 900 $ / rok
HybrydowoPełny etatLeadWymagany Język: angielskiInżynier AIInżynier uczenia maszynowego
AzureChmuraPython

Kieruj bezpiecznym i skalowalnym wdrażaniem AI w U.S. Bank, dostarczając rozwiązania generatywnej AI, wielokrotnego użytku platformy inżynieryjne oraz inteligentną automatyzację. Współpracuj z zespołami biznesowymi i technologicznymi, aby przenosić zastosowania AI w przedsiębiorstwie od koncepcji do środowiska produkcyjnego.

Otwórz
BigHat Biosciences

Dyrektor ds. uczenia maszynowego w projektowaniu przeciwciał

BigHat Biosciences
51 – 200 Pracownicy
DoradztwoOpieka zdrowotnaProdukcja
USStany ZjednoczoneCAKalifornia
250 000 $ – 365 000 $ / rok
HybrydowoPełny etatLeadWymagany Język: angielskiInżynier uczenia maszynowego
ChmuraPythonPyTorch

Pokieruj strategią uczenia maszynowego i modelowaniem na potrzeby projektowania przeciwciał w BigHat Biosciences, łącząc zaawansowane modele, dane laboratoryjne i automatyzację opartą na dużych modelach językowych. Zarządzaj doświadczonym interdyscyplinarnym zespołem i pomagaj usprawniać cykle projektowania obejmujące ponad 2 000 przeciwciał tygodniowo.

Otwórz
Gusto

Starszy architekt AI w FP&A w Gusto

Gusto
1001 – 5000 Pracownicy
DoradztwoOpieka zdrowotnaUbezpieczenia
USStany ZjednoczoneCAKalifornia
225 000 $ – 250 000 $ / rok
HybrydowoPełny etatSeniorLeadWymagany Język: angielskiInżynier AIInżynier uczenia maszynowego
ERPFluxPythonSQL

Twórz rozwiązania oparte na AI do planowania finansowego, prognozowania i raportowania w organizacji finansowej Gusto podlegającej CFO. Buduj nadzorowane systemy danych finansowych i zautomatyzowane procesy, które usprawniają podejmowanie decyzji.

Otwórz
Poesis AI

Starszy inżynier uczenia maszynowego w obszarze finansowej AI

Poesis AI
FinanseFintechSztuczna inteligencja
USStany ZjednoczoneCAKalifornia
200 000 $ – 280 000 $ / rok
HybrydowoPełny etatLeadWymagany Język: angielskiInżynier uczenia maszynowego

Twórz sygnały predykcyjne, produkcyjne modele uczenia maszynowego i systemy ewaluacji dla autonomicznej platformy inwestycyjnej Poesis AI. Stosuj AI do danych finansowych i ulepszaj modele oraz agentów na podstawie wyników inwestycyjnych.

Otwórz