ExaCare AI разрабатывает SaaS-программное обеспечение для поставщиков услуг постострого ухода, включая учреждения квалифицированного сестринского ухода и агентства медицинской помощи на дому. Платформа поддерживает проверку направлений, верификацию страхового покрытия, процессы возмещения расходов и прием пациентов: она обобщает клинические записи, выявляет клинические и финансовые риски, такие как возможности PDPM, проверяет право на страховое покрытие и предоставляет информацию о заполняемости, динамике числа пациентов и операционных показателях.
Инженер по машинному обучению в ExaCare AI — гибридный формат, Торонто
Создавайте производственную ML-инфраструктуру, конвейеры и системы мониторинга для платформы ExaCare AI в сфере постакутной медицинской помощи. Помогайте медицинским командам принимать более безопасные решения о размещении пациентов с помощью надежных и масштабируемых систем машинного обучения.
Описание
- Отвечайте за рабочие процессы и инфраструктуру на всех этапах жизненного цикла машинного обучения
- Работайте с исследователями и специалистами по машинному обучению над развертыванием моделей и ускорением итераций
- Создавайте и совершенствуйте конвейеры обработки данных и обучения моделей
- Оптимизируйте обработку и аннотирование данных, а также общую эффективность ML-систем
- Развертывайте и эксплуатируйте вспомогательные сервисы для обучения моделей и инференса
- Разрабатывайте инструменты мониторинга качества моделей, надежности систем и операционной эффективности
- Повышайте масштабируемость, наблюдаемость и воспроизводимость ML-систем
- Настраивайте ML-инфраструктуру для повышения скорости, надежности и экономической эффективности
- Находите узкие места в рабочих процессах и автоматизируйте повторяющиеся ML-операции
- Определяйте и внедряйте лучшие практики MLOps, развертывания и производительности систем
Требования
- Не менее трех лет опыта в инженерии машинного обучения, MLOps, ML-инфраструктуре, инженерии данных либо backend- и platform-разработке для ML-сред
- Опыт поддержки систем машинного обучения от передачи модели до развертывания и мониторинга
- Подтвержденный опыт самостоятельной работы с конвейерами данных, обучения или другими производственными ML-процессами
- Опыт сотрудничества с исследователями, специалистами по данным или практиками ML для вывода моделей в production
- Прочные основы программной инженерии и опыт создания производственных систем
- Опыт мониторинга, отладки и улучшения производственных ML- или дата-систем
- Подтвержденные результаты повышения надежности, масштабируемости, скорости или экономической эффективности ML-систем
- Готовность брать на себя ответственность в динамичной среде в стиле стартапа
Преимущества
- Конкурентная зарплата и доля в быстрорастущем стартапе
- Гибкий оплачиваемый отпуск
- Медицинская, стоматологическая страховка и страхование зрения
- Корпоративные выездные мероприятия
- Команда для совместной работы, в которую входят бывшие инженеры Amazon и выпускники Bain, BCG, Goldman Sachs и других организаций