高级医疗保健数据科学家（混合办公，美国）
为医疗保健提供商网络产品开发生产级机器学习和人工智能解决方案。 通过先进建模和可扩展数据系统，提升提供商数据质量、分析能力和网络智能。
描述
- 构建、优化并扩展用于提升提供商数据质量和网络智能的机器学习模型及高级分析
- 运用统计建模、预测分析和机器学习解决业务挑战
- 调查医疗保健和提供商数据问题，提出假设并确定分析方法
- 为复杂分析问题创建原创算法
- 评估并提升模型的准确性、性能、可扩展性、可靠性和业务价值
- 使用 Python、SQL、Databricks、Spark 和分布式计算技术处理和分析大型数据集
- 构建并维护用于异常检测、数据验证、特征工程和持续模型监控的自动化工作流
- 确定特征工程方法并评估模型有效性
- 评估并整合外部数据源、工具和供应商
- 与工程团队合作部署模型并创建可扩展的软件解决方案
- 在探索生成式人工智能、自然语言处理和人工智能代理应用时，使用 Claude 等大语言模型工具
- 建立模型性能、数据质量和业务成果的衡量指标
- 将复杂的分析结果转化为切实可行的建议
- 向领导层及公司更广泛的受众分享发现和建议
- 与产品和业务团队合作，推进功能、指标和数据驱动的解决方案
- 指导数据科学家和分析师，同时提升技术标准、数据治理和 MLOps 实践
- 参与跨职能项目以及与客户开展的分析讨论
任职要求
- 至少七年数据科学、机器学习或高级分析经验，最好曾在 SaaS 组织中工作
- 拥有数据科学、计算机科学、统计学、数学或相关领域的硕士学位，或具备同等相关经验
- 具备在生产环境中构建和部署机器学习模型的实践能力
- 精通 Python，包括 pandas、NumPy 和 scikit-learn
- 具备 Databricks、Spark 或类似分布式计算平台的丰富经验
- 精通 SQL
- 具备 TensorFlow、PyTorch 或同类机器学习框架经验
- 深入了解分类、回归、聚类、自然语言处理和异常检测
- 具备应用统计学专业知识，涵盖假设检验、回归分析和概率
- 具备处理大型、杂乱且复杂数据集的经验
- 了解 MLOps 实践，包括部署、监控、验证和模型生命周期管理
- 具备将大语言模型和人工智能辅助工具应用于数据科学工作流的经验
- 能够独立处理模糊问题并制定有效行动方案
- 能够以清晰的业务价值表达复杂的技术成果
- 具备跨产品、工程、数据和业务利益相关者开展协作的能力
- 具备领导技术计划和指导同事的经验
- 获得在美国工作的合法授权
- 目前无法提供签证赞助
- 首选工作地点位于所列美国州份之一
福利待遇
- 可选择远程、混合办公或办公室办公安排
- 员工医疗、牙科和视力保险计划，员工承担的费用较低
- 401(k) 雇主配比
- 健康计划
- 具有竞争力的薪酬和成功分享奖金
- 灵活的休假、病假和带薪节假日
- 创业型工作文化
- 针对贡献提供认可和奖励
- 启用摄像头进行视频面试
- 平等就业机会和残障便利
