Plenful
Plenful
Plenful разрабатывает программное обеспечение для автоматизации рабочих процессов на базе ИИ для аптечных и инфузионных команд. Платформа объединяет данные из API, HL7, SFTP, PDF-файлов и баз данных, чтобы автоматизировать административные задачи: аудит и оптимизацию программ 340B, обработку направлений, управление скидками, аналитику по Maximum Fair Price, получение предварительных разрешений и прием заказов. Plenful обслуживает системы здравоохранения, специализированные аптеки, инфузионные клиники и группы поставщиков медицинских услуг, помогая обеспечивать соответствие требованиям, учитывать выручку и сокращать объем ручной работы.

Ведущий инженер по машинному обучению, Plenful (Сан-Франциско, гибридный формат)

Определяйте стратегию внедрения ML-агентов, дообучения моделей и оценки их качества. Создавайте решения на базе ИИ для автоматизации процессов в здравоохранении, сокращения административной нагрузки и повышения соответствия требованиям.

Описание

  • Проектировать производственные агентные системы: работу с инструментами и поиском, управление состоянием и контекстом, маршрутизацию, оркестрацию, трассировку и восстановление после сбоев.
  • Превращать эффективные подходы в повторно используемые инженерные практики.
  • Принимать решения о самостоятельной разработке или покупке моделей и компонентов платформы.
  • Определять стратегию компании по дообучению моделей.
  • Обучать и внедрять большие языковые и зрительно-языковые модели для задач здравоохранения.
  • Развивать внутренние возможности для дальнейшего обучения моделей.
  • Создавать оценки качества, демонстрирующие улучшения в рабочей среде.
  • Определять стратегию качества ИИ: автоматические оценщики, откалиброванные модели-судьи, регрессионные наборы тестов, проверка людьми, классификация сбоев и проверка от офлайн- до онлайн-среды.
  • Принимать решения о выпуске на основе результатов оценки.
  • Создавать системы, использующие сбои в рабочей среде и отзывы пользователей для улучшения наборов данных, оценок и моделей.
  • Устанавливать стандарты версионирования наборов данных, наблюдаемости и MLOps.
  • Формировать план развития ML на 12 месяцев совместно с руководителями инженерного и продуктового направлений.
  • Проводить технические проверки, наставлять опытных инженеров и участвовать в найме.
  • Проектировать системы с учетом конфиденциальности: использовать только необходимые данные, где уместно — обезличенные или синтетические данные, а также практики с учетом требований HIPAA.
  • В первые 30 дней изучить агентов, оценки и конвейер обучения, выявив три наиболее существенных пробела.
  • К 90-му дню внедрить улучшение дообучения или оценки, которое повлияет на производственную метрику.
  • К 90-му дню опубликовать план команды на следующие два квартала.

Требования

  • Не менее 8 лет опыта в ML или разработке ПО, включая от 3 лет руководства производственными LLM-системами или агентами.
  • Практический опыт дообучения моделей на всех этапах, например с помощью контролируемой тонкой настройки, оптимизации предпочтений, дистилляции или обучения с подкреплением.
  • Опыт выпуска модели, улучшившей производственную метрику.
  • Опыт разработки стратегий оценки LLM или агентов, результаты которых использовались при принятии решений о выпуске.
  • Опыт проектирования производственных агентных систем.
  • Опыт работы с LangGraph, RAG и инструментами векторного поиска, такими как Pinecone.
  • Уверенное владение Python и PyTorch.
  • Знакомство с инструментами распределенного обучения и обслуживания моделей, такими как vLLM, FSDP или DeepSpeed.
  • Опыт MLOps с Docker, Kubernetes, MLflow или аналогичными инструментами, CI/CD, а также отслеживанием экспериментов и наборов данных.
  • Умение влиять без формальных полномочий с помощью проектной документации, обзоров и наставничества.
  • Актуальные знания новых моделей и агентных инструментов для программирования.
  • Умение превращать статьи и новые релизы в эксперименты и представлять результаты в количественном виде.
  • Примеры работ, которыми пользуются другие: вклад в открытые проекты, публикации, выступления или оценки.
  • Будет преимуществом: опыт работы с медицинскими данными, включая EHR, FHIR, страховые требования или предварительные разрешения.
  • Будет преимуществом: публикации или вклад в открытые проекты по оценке LLM, дообучению или агентам.
  • Будет преимуществом: опыт собеседования и найма ML-инженеров.
  • Будет преимуществом: опыт работы в другой регулируемой сфере с высокими требованиями к надежности.

Преимущества

  • Гибридный формат с приоритетом удаленной работы и регулярным присутствием в офисах Сан-Франциско и Нью-Йорка.
  • Полное медицинское, стоматологическое страхование и страхование зрения для сотрудников с возможностью включить членов семьи.
  • Пенсионная программа 401(k): компания добавляет 50% к первым 3% взносов сотрудника.
  • Доля в компании для всех штатных сотрудников.
  • Неограниченный оплачиваемый отпуск.
  • Еженедельная компенсация обедов в размере $100.
  • Ежемесячная компенсация расходов на здоровье и благополучие в размере $100.
  • Ежемесячная компенсация проезда в размере $100 для сотрудников в Сан-Франциско и Нью-Йорке.
  • Оплачиваемый отпуск по уходу за ребенком.
  • Возможности профессионального роста.
  • Команда с ясной миссией и опытными коллегами.
  • Сотрудничество с опытными и результативными руководителями.

Похожие вакансии

U.S. Bank

Ведущий инженер по ИИ, ускорение внедрения корпоративного ИИ

U.S. Bank

Руководите безопасным и масштабируемым внедрением ИИ в U.S. Bank, создавая решения на основе генеративного ИИ, переиспользуемые инженерные платформы и интеллектуальную автоматизацию. Сотрудничайте с бизнес-подразделениями и техническими командами, чтобы доводить корпоративные сценарии применения ИИ от идеи до промышленной эксплуатации.

Открыть
BigHat Biosciences

Директор по машинному обучению в разработке антител

BigHat Biosciences

Возглавьте стратегию машинного обучения и моделирование для разработки антител в BigHat Biosciences, объединяя передовые модели, лабораторные данные и автоматизацию на основе больших языковых моделей. Руководите опытной междисциплинарной командой и помогайте совершенствовать циклы разработки, в рамках которых каждую неделю создают более 2 000 вариантов антител.

Открыть
Gusto

Старший архитектор ИИ в FP&A в Gusto

Gusto

Создавайте решения на базе ИИ для планирования, прогнозирования и отчетности финансовой организации Gusto под руководством финансового директора. Разрабатывайте управляемые системы финансовых данных и автоматизированные процессы для более эффективного принятия решений.

Открыть
Wells Fargo

Ведущий инженер по ИИ и цифровым платежам

Wells Fargo

Руководите модернизацией цифровых платежей и внедрением ИИ в Wells Fargo. Формируйте отказоустойчивые платформы на базе API и консультируйте руководителей технологического направления потребительских платежей.

Открыть
Poesis AI

Ведущий инженер по машинному обучению в сфере финансового ИИ

Poesis AI

Разрабатывайте прогнозные сигналы, промышленные модели машинного обучения и системы оценки для автономной инвестиционной платформы Poesis AI. Применяйте ИИ к финансовым данным и улучшайте модели и агентные системы на основе результатов инвестирования.

Открыть