ExaCare AI พัฒนาซอฟต์แวร์ SaaS สำหรับผู้ให้บริการดูแลผู้ป่วยหลังภาวะเฉียบพลัน รวมถึงสถานดูแลผู้ป่วยที่ต้องการการพยาบาลเฉพาะทางและหน่วยงานดูแลสุขภาพที่บ้าน แพลตฟอร์มนี้รองรับการตรวจสอบใบส่งต่อ การยืนยันสิทธิ์ประกันภัย กระบวนการเบิกจ่าย และการรับผู้ป่วยเข้าใช้บริการ โดยสรุปเวชระเบียน ระบุความเสี่ยงด้านคลินิกและการเงิน เช่น โอกาสในการใช้ประโยชน์จาก PDPM ตรวจสอบสิทธิ์ความคุ้มครอง และแสดงข้อมูลเกี่ยวกับอัตราการครองเตียง แนวโน้มจำนวนผู้ป่วย และประสิทธิภาพการดำเนินงาน
วิศวกรแมชชีนเลิร์นนิงที่ ExaCare AI — ทำงานแบบไฮบริด, โทรอนโต
สร้างโครงสร้างพื้นฐาน ML ระบบไปป์ไลน์ และการตรวจสอบเบื้องหลังแพลตฟอร์มการดูแลผู้ป่วยระยะหลังเฉียบพลันของ ExaCare AI ช่วยทีมดูแลสุขภาพตัดสินใจจัดสถานที่ดูแลได้ปลอดภัยยิ่งขึ้นด้วยระบบแมชชีนเลิร์นนิงที่เชื่อถือได้และปรับขนาดได้
รายละเอียด
- รับผิดชอบเวิร์กโฟลว์และโครงสร้างพื้นฐานตลอดวงจรชีวิตของแมชชีนเลิร์นนิง
- ทำงานร่วมกับนักวิจัยและผู้เชี่ยวชาญด้าน ML เพื่อปรับใช้โมเดลและเร่งการพัฒนาแบบวนซ้ำ
- สร้างและปรับปรุงไปป์ไลน์ข้อมูลและการฝึกโมเดล
- ปรับปรุงประสิทธิภาพการประมวลผลข้อมูล การทำคำอธิบายประกอบ และระบบ ML โดยรวม
- ปรับใช้และดูแลบริการสนับสนุนการฝึกและการอนุมานโมเดล
- พัฒนาเครื่องมือตรวจสอบคุณภาพโมเดล ความน่าเชื่อถือของระบบ และประสิทธิภาพการปฏิบัติงาน
- เพิ่มความสามารถในการปรับขนาด การสังเกตการณ์ และการทำซ้ำผลลัพธ์ของระบบ ML
- ปรับแต่งโครงสร้างพื้นฐาน ML เพื่อเพิ่มความเร็ว ความน่าเชื่อถือ และประสิทธิภาพด้านต้นทุน
- ค้นหาคอขวดในเวิร์กโฟลว์และทำให้การดำเนินงาน ML ที่ทำซ้ำเป็นไปโดยอัตโนมัติ
- กำหนดและนำแนวปฏิบัติที่ดีที่สุดสำหรับ MLOps การปรับใช้ และประสิทธิภาพระบบมาใช้
คุณสมบัติ
- มีประสบการณ์อย่างน้อยสามปีด้านวิศวกรรม ML, MLOps, โครงสร้างพื้นฐาน ML, วิศวกรรมข้อมูล หรือวิศวกรรมแบ็กเอนด์และแพลตฟอร์มสำหรับสภาพแวดล้อม ML
- มีประสบการณ์สนับสนุนระบบแมชชีนเลิร์นนิงตั้งแต่การส่งมอบโมเดลจนถึงการปรับใช้และการตรวจสอบ
- มีผลงานที่แสดงถึงความรับผิดชอบโดยตรงต่อไปป์ไลน์ข้อมูล ไปป์ไลน์การฝึก หรือเวิร์กโฟลว์ ML สำหรับระบบจริง
- มีประสบการณ์ทำงานร่วมกับนักวิจัย นักวิทยาศาสตร์ข้อมูล หรือผู้เชี่ยวชาญด้าน ML เพื่อนำโมเดลไปใช้งานจริง
- มีพื้นฐานวิศวกรรมซอฟต์แวร์ที่แข็งแกร่งและมีประสบการณ์ส่งมอบระบบสำหรับใช้งานจริง
- มีประสบการณ์ตรวจสอบ แก้ไขข้อบกพร่อง และปรับปรุงระบบ ML หรือระบบข้อมูลสำหรับใช้งานจริง
- มีหลักฐานแสดงถึงการปรับปรุงความน่าเชื่อถือ ความสามารถในการปรับขนาด ความเร็ว หรือประสิทธิภาพด้านต้นทุนของระบบ ML
- สามารถรับผิดชอบงานด้วยตนเองในสภาพแวดล้อมที่มีความรวดเร็วและมีลักษณะคล้ายสตาร์ทอัพ
สวัสดิการ
- เงินเดือนและหุ้นที่แข่งขันได้ในสตาร์ทอัพที่เติบโตสูง
- วันหยุดโดยได้รับค่าจ้างที่ยืดหยุ่น
- ประกันสุขภาพ ประกันทันตกรรม และประกันสายตา
- กิจกรรมนอกสถานที่ของบริษัท
- ทีมที่ร่วมมือกัน ซึ่งประกอบด้วยอดีตวิศวกรจาก Amazon และอดีตบุคลากรจาก Bain, BCG, Goldman Sachs และองค์กรอื่น ๆ