CluePoints
CluePoints
201 – 500 Wafanyakazi
Akili bandiaHuduma za afyaSaaS
CluePoints hutengeneza programu za kusimamia ubora wa majaribio ya kitabibu. Mfumo wake wa SaaS unaotumia AI huunganisha takwimu na ujifunzaji wa mashine ili kuwasaidia wadhamini, CRO na timu za utafiti kutambua hitilafu za data, kuendesha kiotomatiki usimbaji wa kitabibu na ugunduzi wa maswali, na kufuatilia hatari za majaribio katika awamu mbalimbali za utafiti. Bidhaa zake ni pamoja na usimamizi wa ubora unaotegemea hatari (RBQM), Site Profile & Oversight Tool (SPOT), Medical & Safety Review (MSR), Intelligent Medical Coding na Intelligent Query Detection (IQD).

Mbunifu Mkuu wa Jukwaa la Data

Ongoza usanifu na uundaji wa moja kwa moja wa jukwaa la data la CluePoints kwa programu ya ubora wa majaribio ya kliniki. Jenga mifumo inayotumia metadata, semantiki, matoleo na inayoweza kukaguliwa.

Maelezo

  • Ongoza usanifu na uundaji wa moja kwa moja wa tabaka la data la CluePoints, ukichangia msimbo wa uzalishaji pamoja na timu.
  • Unda skima inayotumia metadata na inayoweza kukubali mabadiliko bila kuvuruga programu zilizojengwa juu yake.
  • Tengeneza tabaka la semantiki linalounganisha sehemu za utafiti na dhana huku likitenganisha muundo wa data na maana yake.
  • Zipatie programu kiolesura cha hoja chenye matoleo na kinachoweza kukaguliwa, kikiwemo chimbuko la data na mabadiliko yanayoweza kuhusishwa na mtendaji wake.
  • Weka taratibu za uhandisi na AI-first kwa timu, pamoja na uthibitishaji na tathmini zilizo wazi za zana za AI.
  • Waelekeze wahandisi kupitia mapitio ya msimbo na kazi za usanifu.
  • Shirikiana na General Manager na VP of Engineering kuunda mwelekeo.

Mahitaji

  • Uzoefu wa kujenga na kuboresha jukwaa la data linalotumia metadata au skima inayoweza kubadilika katika uzalishaji.
  • Kwa sasa unaandika msimbo wa uzalishaji; hii ni nafasi ya kazi ya moja kwa moja.
  • Tumia fikra zinazokidhi ukaguzi kuhusu chimbuko la data, matoleo na mabadiliko yanayoweza kuhusishwa na mtendaji katika eneo linalodhibitiwa.
  • Uweze kueleza mabadiliko ya skima katika uzalishaji, kilichovurugika na jinsi ulivyokishughulikia.
  • Tenganisha ulinganishaji wa kimuundo na maana ya kisemantiki katika usanifu wa data.
  • Tumia zana za AI katika kazi za kila siku na uthibitishe na kutathmini matokeo yake waziwazi.
  • Uwe na historia ya kuwaelekeza wahandisi katika kazi ya msimbo.
  • Buni kwa kuzingatia timu iliyopo, na ukubwa wa kazi unaofaa kwa timu ndogo.
  • Eleza usanifu kwa uwazi kwa viongozi wa uhandisi, QA na biashara.
  • Uzoefu wa SaaS ya wapangaji wengi na utenganishaji thabiti wa data.
  • Uwe na usuli katika tabaka za semantiki, ontolojia, grafu za maarifa, au ulinganishaji wa skima na ontolojia.
  • Fahamu viwango vya data za kliniki au afya kama CDISC, ODM, FHIR au OMOP, au GxP na 21 CFR Part 11.
  • Onyesha kazi ya moja kwa moja kupitia michango ya hivi karibuni ya open source, michango kwa miradi kama OpenLineage, DataHub, Iceberg, HAPI FHIR au OHDSI, au mazungumzo ya mikutano.

Manufaa

  • Bima binafsi ya afya kupitia Vitality Health, ikijumuisha huduma kamili ya hospitali, upatikanaji wa GP saa 24 kila siku, na vipindi vya tiba.
  • Bima ya kundi dhidi ya ugonjwa hatari kupitia Aviva.
  • Bima ya maisha yenye malipo ya mkupuo iwapo kifo kitatokea wakati wa ajira.
  • Mpango wa pensheni wenye mchango wa mwajiri wa 9% kupitia Scottish Widows.
  • Fursa za maendeleo ya kitaaluma na vyeti vinavyodhaminiwa.
  • Mfumo mseto wa kazi unaotegemea kituo, unaounganisha unyumbufu na ushirikiano wa timu, kujifunza na shughuli za kijamii.

Kazi Zinazohusiana