Plenful
Plenful
51 – 200 Wafanyakazi
Akili bandiaHuduma za afyaSaaS
Plenful hutengeneza programu ya kiotomatiki ya mtiririko wa kazi kwa kutumia AI kwa timu za famasia na huduma za infusion. Jukwaa lake huunganisha data kupitia API, HL7, SFTP, PDF na hifadhidata ili kushughulikia kazi za kiutawala kama ukaguzi na uboreshaji wa 340B, upokeaji wa rufaa, usimamizi wa punguzo, taarifa za Maximum Fair Price, idhini ya awali na upokeaji wa maagizo. Plenful huhudumia mifumo ya afya, famasia maalumu, vituo vya infusion na makundi ya watoa huduma, kwa kuzingatia shughuli zinazotii kanuni, ukusanyaji wa mapato na kupunguza kazi za mikono.

Mhandisi Mkuu wa Kujifunza kwa Mashine, Plenful (San Francisco, Mseto)

Weka mkakati wa uzalishaji wa mawakala wa kujifunza kwa mashine, mafunzo ya ziada ya modeli na tathmini. Jenga otomatiki ya AI ya huduma za afya ili kupunguza kazi za usimamizi na kuimarisha uzingatiaji wa kanuni.

Maelezo

  • Buni mawakala wa uzalishaji wanaotumia zana, urejeshaji, usimamizi wa hali na muktadha, uelekezaji, uratibu, ufuatiliaji na urejeshaji baada ya hitilafu.
  • Geuza mbinu zilizofanikiwa kuwa mifumo ya uhandisi inayoweza kutumiwa tena.
  • Amua kama modeli na vipengele vya jukwaa vijengwe au vinunuliwe.
  • Weka mkakati wa kampuni wa mafunzo ya ziada.
  • Funza na peleka LLM na modeli za lugha na maono kwa kazi za huduma za afya.
  • Jenga uwezo wa ndani wa kuendelea kufunza modeli.
  • Unda tathmini zinazoonyesha maboresho ya uzalishaji.
  • Weka mkakati wa ubora wa AI unaojumuisha wakadiriaji otomatiki, majaji wa LLM waliorekebishwa, seti za majaribio ya urejeshaji, ukaguzi wa binadamu, makundi ya hitilafu, na uthibitishaji kutoka nje ya mtandao hadi mtandaoni.
  • Fanya maamuzi ya utoaji kulingana na matokeo ya tathmini.
  • Jenga mifumo inayotumia hitilafu za uzalishaji na maoni ya watumiaji kuboresha seti za data, tathmini na modeli.
  • Weka viwango vya matoleo ya seti za data, uangalizi na MLOps.
  • Unda ramani ya miezi 12 ya ML pamoja na viongozi wa uhandisi na bidhaa.
  • Ongoza mapitio ya kiufundi, elekeza wahandisi wakuu na kuchangia katika kuajiri.
  • Buni kwa kulinda faragha kwa kutumia data inayohitajika tu, data iliyoondolewa utambulisho au ya sanisi inapofaa, na taratibu zinazozingatia HIPAA.
  • Kagua mawakala, tathmini na mchakato wa mafunzo katika siku 30 za kwanza, kisha utambue mapungufu matatu makubwa zaidi.
  • Kufikia siku ya 90, tekeleza uboreshaji wa mafunzo ya ziada au tathmini unaoboresha kipimo cha uzalishaji.
  • Kufikia siku ya 90, chapisha mpango wa timu kwa robo mbili zinazofuata.

Mahitaji

  • Angalau miaka 8 ya uzoefu katika ML au uhandisi wa programu, ikijumuisha miaka 3+ ya kuongoza mifumo ya LLM au mawakala wa uzalishaji.
  • Uzoefu wa mafunzo ya ziada yaliyotumika kuanzia mwanzo hadi mwisho, kama vile urekebishaji mzuri unaosimamiwa, uboreshaji wa mapendeleo, udistishaji au ujifunzaji wa kuimarisha.
  • Uzoefu wa kupeleka modeli iliyoboresha kipimo cha uzalishaji.
  • Uzoefu wa kubuni mikakati ya tathmini ya LLM au mawakala iliyoongoza maamuzi ya utoaji.
  • Uzoefu wa kubuni usanifu wa mifumo ya mawakala wa uzalishaji.
  • Uzoefu wa LangGraph, RAG na zana za utafutaji wa vekta kama Pinecone.
  • Ujuzi thabiti wa Python na PyTorch.
  • Ufahamu wa zana za mafunzo na utoaji huduma zilizosambazwa kama vLLM, FSDP au DeepSpeed.
  • Uzoefu wa MLOps kwa kutumia Docker, Kubernetes, MLflow au sawa nayo, CI/CD, na ufuatiliaji wa majaribio na seti za data.
  • Uwezo wa kushawishi bila mamlaka rasmi kupitia nyaraka za usanifu, mapitio na ushauri.
  • Maarifa ya sasa kuhusu modeli mpya na mawakala wa kuandika msimbo.
  • Uwezo wa kubadilisha makala za utafiti na matoleo mapya kuwa majaribio na kuripoti matokeo yaliyopimwa.
  • Ushahidi wa kazi inayotumiwa na wengine, kama michango ya programu huria, maandishi, hotuba au tathmini.
  • Inapendelewa: uzoefu wa data za huduma za afya kama EHR, FHIR, madai au idhini ya awali.
  • Inapendelewa: machapisho au michango ya programu huria katika tathmini ya LLM, mafunzo ya ziada au mawakala.
  • Inapendelewa: uzoefu wa kuwahoji na kuwaajiri wahandisi wa ML.
  • Inapendelewa: uzoefu katika nyanja nyingine inayodhibitiwa na yenye hatari kubwa.

Manufaa

  • Kazi mseto inayonyumbulika na inayotanguliza kazi ya mbali, pamoja na uwepo wa maana ofisini San Francisco na New York.
  • Bima kamili ya matibabu, meno na macho kwa wafanyakazi, pamoja na ushiriki wa familia.
  • 401(k) yenye mchango unaolingana wa kampuni wa 50% ya 3% ya kwanza inayochangiwa.
  • Hisa kwa wafanyakazi wote wa muda wote.
  • Likizo ya malipo isiyo na kikomo.
  • Posho ya chakula cha mchana ya $100 kila wiki.
  • Posho ya ustawi ya $100 kila mwezi.
  • Manufaa ya usafiri ya $100 kila mwezi kwa wafanyakazi walioko San Francisco na New York.
  • Likizo ya uzazi na malezi inayolipwa.
  • Fursa za kukua kitaaluma.
  • Timu inayoongozwa na dhamira, yenye wafanyakazi wenzako wenye uzoefu.
  • Ushirikiano na viongozi wenye uzoefu na utendaji wa juu.

Kazi Zinazohusiana

U.S. Bank

Mhandisi Mkuu wa AI, Uharakishaji wa AI ya Biashara

U.S. Bank

Ongoza matumizi salama na yanayopanuka ya AI katika U.S. Bank kwa kuwasilisha suluhisho za AI zalishi, mifumo ya uhandisi inayoweza kutumiwa tena, na otomatiki mahiri. Shirikiana na timu za biashara na teknolojia ili kupeleka matumizi ya AI ya biashara kutoka dhana hadi uzalishaji.

Fungua
BigHat Biosciences

Mkurugenzi wa Kujifunza kwa Mashine, Ubunifu wa Kingamwili

BigHat Biosciences
51 – 200 Wafanyakazi
Huduma za afyaUshauriUtengenezaji

Ongoza mkakati wa kujifunza kwa mashine na uundaji wa modeli za kingamwili katika BigHat Biosciences kwa kuunganisha modeli za kisasa, data za maabara na otomatiki ya LLM. Elekeza timu yaandamizi ya taaluma mbalimbali na kusaidia kuboresha mizunguko ya usanifu inayowezesha zaidi ya kingamwili 2,000 kila wiki.

Fungua