Quest Analytics, LLC
Quest Analytics, LLC

Quest Analytics, LLC phát triển phần mềm và dịch vụ quản lý mạng lưới dành cho các mạng lưới nhà cung cấp dịch vụ chăm sóc sức khỏe. Các dịch vụ Quest Enterprise Services và bộ giải pháp Quest Analytics Suite trên nền tảng đám mây giúp các hệ thống y tế, cơ quan quản lý và bên chi trả quản lý dữ liệu nhà cung cấp, đánh giá hiệu quả mạng lưới, hỗ trợ tuân thủ và đánh giá mức độ đầy đủ của mạng lưới.

Được thành lập vào năm 1993, công ty kết hợp chuyên môn về phân tích dữ liệu chăm sóc sức khỏe và tư vấn để nâng cao độ chính xác, hiệu quả và khả năng tiếp cận của thông tin về mạng lưới nhà cung cấp trên khắp Hoa Kỳ. Hoạt động của công ty hỗ trợ các tổ chức tăng cường khả năng tiếp cận dịch vụ chăm sóc sức khỏe và duy trì những mạng lưới nhà cung cấp đáng tin cậy, chất lượng cao.

Chuyên gia khoa học dữ liệu y tế cấp cao (Làm việc kết hợp, Hoa Kỳ)

Phát triển các giải pháp học máy và AI vận hành thực tế cho các sản phẩm mạng lưới nhà cung cấp dịch vụ y tế. Cải thiện chất lượng dữ liệu nhà cung cấp, phân tích và hiểu biết về mạng lưới thông qua mô hình hóa tiên tiến và các hệ thống dữ liệu có khả năng mở rộng.

Mô tả

  • Xây dựng, tối ưu hóa và mở rộng các mô hình học máy cùng hoạt động phân tích nâng cao nhằm cải thiện chất lượng dữ liệu nhà cung cấp và hiểu biết về mạng lưới
  • Sử dụng mô hình hóa thống kê, phân tích dự đoán và học máy để giải quyết các thách thức kinh doanh
  • Điều tra các vấn đề về dữ liệu y tế và dữ liệu nhà cung cấp, xây dựng giả thuyết và xác định phương pháp phân tích
  • Tạo các thuật toán mới cho những bài toán phân tích phức tạp
  • Đánh giá và cải thiện độ chính xác, hiệu suất, khả năng mở rộng, độ tin cậy và giá trị kinh doanh của mô hình
  • Xử lý và phân tích các tập dữ liệu lớn bằng Python, SQL, Databricks, Spark và các công nghệ điện toán phân tán
  • Xây dựng và duy trì các quy trình tự động để phát hiện bất thường, xác thực dữ liệu, xây dựng đặc trưng và giám sát mô hình liên tục
  • Xác định phương pháp xây dựng đặc trưng và đánh giá hiệu quả của mô hình
  • Đánh giá và tích hợp các nguồn dữ liệu, công cụ và nhà cung cấp bên ngoài
  • Phối hợp với bộ phận Kỹ thuật để triển khai mô hình và tạo ra các giải pháp phần mềm có khả năng mở rộng
  • Sử dụng các công cụ LLM như Claude trong quá trình nghiên cứu AI tạo sinh, NLP và các ứng dụng tác nhân AI
  • Xây dựng các chỉ số đo lường hiệu suất mô hình, chất lượng dữ liệu và kết quả kinh doanh
  • Chuyển hóa các kết quả phân tích phức tạp thành các đề xuất thiết thực
  • Chia sẻ phát hiện và đề xuất với ban lãnh đạo cùng nhiều nhóm đối tượng khác trong công ty
  • Phối hợp với các nhóm Sản phẩm và kinh doanh về tính năng, chỉ số và các giải pháp dựa trên dữ liệu
  • Hướng dẫn các nhà khoa học dữ liệu và chuyên viên phân tích, đồng thời nâng cao các tiêu chuẩn kỹ thuật, quản trị dữ liệu và thực hành MLOps
  • Đóng góp vào các chương trình liên chức năng và các cuộc thảo luận phân tích với khách hàng

Yêu cầu

  • Ít nhất bảy năm kinh nghiệm trong lĩnh vực khoa học dữ liệu, học máy hoặc phân tích nâng cao, ưu tiên kinh nghiệm trong tổ chức SaaS
  • Bằng thạc sĩ về Khoa học dữ liệu, Khoa học máy tính, Thống kê, Toán học hoặc lĩnh vực liên quan, hoặc kinh nghiệm thực tế tương đương
  • Có khả năng đã được chứng minh trong việc xây dựng và triển khai các mô hình học máy trong môi trường vận hành thực tế
  • Thành thạo Python ở mức nâng cao, bao gồm pandas, NumPy và scikit-learn
  • Có kinh nghiệm vững chắc với Databricks, Spark hoặc các nền tảng điện toán phân tán tương tự
  • Thành thạo SQL ở mức nâng cao
  • Có kinh nghiệm với TensorFlow, PyTorch hoặc các khung học máy tương đương
  • Hiểu biết sâu về phân loại, hồi quy, phân cụm, NLP và phát hiện bất thường
  • Có chuyên môn về thống kê ứng dụng, bao gồm kiểm định giả thuyết, phân tích hồi quy và xác suất
  • Có kinh nghiệm xử lý các tập dữ liệu lớn, thiếu ngăn nắp và phức tạp
  • Có kiến thức thực tế về các phương pháp MLOps, bao gồm triển khai, giám sát, xác thực và quản lý vòng đời mô hình
  • Có kinh nghiệm áp dụng LLM và các công cụ hỗ trợ bằng AI vào quy trình khoa học dữ liệu
  • Có khả năng độc lập xử lý các vấn đề mơ hồ và xác lập hướng hành động hiệu quả
  • Có khả năng truyền đạt các kết quả kỹ thuật phức tạp dưới dạng giá trị kinh doanh rõ ràng
  • Có kỹ năng phối hợp liên chức năng tốt với các bên liên quan thuộc Sản phẩm, Kỹ thuật, Dữ liệu và kinh doanh
  • Có kinh nghiệm điều hành các sáng kiến kỹ thuật và cố vấn cho đồng nghiệp
  • Có quyền hợp pháp để làm việc tại Hoa Kỳ
  • Hiện chưa có hỗ trợ cấp thị thực
  • Địa điểm làm việc ưu tiên là một trong các tiểu bang Hoa Kỳ được liệt kê

Phúc lợi

  • Lựa chọn hình thức làm việc từ xa, kết hợp hoặc tại văn phòng
  • Các gói bảo hiểm y tế, nha khoa và thị lực cho nhân viên với chi phí nhân viên thấp
  • Đối ứng đóng góp 401(k)
  • Các chương trình chăm sóc sức khỏe
  • Mức lương cạnh tranh và tiền thưởng chia sẻ thành công
  • Nghỉ phép, nghỉ ốm và ngày lễ có lương linh hoạt
  • Văn hóa làm việc mang tinh thần khởi nghiệp
  • Ghi nhận và khen thưởng những đóng góp
  • Phỏng vấn trực tuyến với yêu cầu bật camera
  • Cơ hội việc làm bình đẳng và hỗ trợ người khuyết tật

Việc làm liên quan

Xenon Seven

Nhà khoa học dữ liệu lâm sàng, bản sao số và thử nghiệm lâm sàng

Xenon Seven

Phát triển bản sao số và mô phỏng để hỗ trợ thiết kế thử nghiệm lâm sàng dược phẩm. Tích hợp dữ liệu lâm sàng với AI và học máy nhằm hỗ trợ các quyết định phát triển dựa trên bằng chứng.

Mở
Vanguard

Quản lý cấp cao về quản trị dữ liệu

Vanguard

Lãnh đạo hoạt động quản trị dữ liệu của Vanguard, bao gồm chất lượng dữ liệu, quản trị và thực hành dữ liệu chủ. Quản lý các nhóm, kiểm soát, sự cố, nhà cung cấp và sáng kiến dữ liệu chiến lược.

Mở
Ritchie Bros.

Trưởng nhóm Khoa học dữ liệu, Chicago (Làm việc kết hợp)

Ritchie Bros.

Dẫn dắt các nhóm khoa học dữ liệu xây dựng giải pháp học máy có khả năng mở rộng và phân tích nâng cao. Phối hợp với bộ phận CNTT, lãnh đạo, nhóm sản phẩm và các bên liên quan trong các sáng kiến trên toàn doanh nghiệp.

Mở
Ritchie Bros.

Trưởng nhóm Khoa học Dữ liệu

Ritchie Bros.

Dẫn dắt nhóm khoa học dữ liệu xây dựng các giải pháp học máy có khả năng mở rộng và phân tích nâng cao phục vụ doanh nghiệp. Quản lý, hướng dẫn các nhà khoa học dữ liệu, giám sát quá trình phát triển mô hình và phối hợp với bộ phận CNTT, sản phẩm, lãnh đạo cùng các bên liên quan.

Mở
Capital One

Quản lý khoa học dữ liệu – Chiến lược dữ liệu thay thế

Capital One

Dẫn dắt hoạt động khoa học dữ liệu tại Capital One để đánh giá dữ liệu thay thế phục vụ quyết định tín dụng US Card. Phát triển mô hình học máy, đặc trưng dữ liệu và hệ thống giám sát có khả năng mở rộng.

Mở
BranchLab

Nhà khoa học dữ liệu cấp cao, phân tích y tế

BranchLab

Sử dụng dữ liệu y tế để xây dựng nhóm đối tượng quảng cáo và hỗ trợ nền tảng thương mại hóa ứng dụng AI của BranchLab. Thiết kế thử nghiệm, đánh giá đối tác dữ liệu và góp phần định hình năng lực sản phẩm.

Mở