Naukowiec zajmujący się sztuczną inteligencją III

Streszczenie stanowiska: Applied AI Scientist III jest odpowiedzialny za opracowywanie i stosowanie najnowocześniejszych, zaawansowanych rozwiązań analitycznych z wykorzystaniem nowych technologii sztucznej inteligencji (AI), takich jak Agentic AI, Retrieval Augmented Generation (RAG), Large Language Models (LLM), przetwarzanie języka naturalnego (NLP) i generatywne rozwiązania AI w celu usprawnienia operacji opieki zdrowotnej, opieki nad pacjentem oraz ogólnej wydajności i efektywności planów zdrowotnych. To stanowisko wymaga wysoko wykwalifikowanego eksperta w dziedzinie sztucznej inteligencji, zdolnego do niezależnego realizowania złożonych projektów związanych z nauką o danych, jednocześnie prowadząc innych badaczy danych poprzez wiedzę techniczną i przeglądy kodów. Podstawowe funkcje: Ocena nowych technologii w LLM, NLP, generatywnej sztucznej inteligencji i informatyce w opiece zdrowotnej, integrując te postępy w projektach w celu napędzania ciągłych innowacji.

Wykorzystuj algorytmy NLP i inne techniki głębokiego uczenia się do przetwarzania i analizowania nieustrukturyzowanych danych dotyczących opieki zdrowotnej, takich jak notatki kliniczne, opinie pacjentów i literatura medyczna, w celu uzyskania znaczącej ekstrakcji spostrzeżenia. Kierowanie rozwojem od prototypu do produkcji we współpracy z inżynierią/architekturą. Współwłasność gotowości operacyjnej (ocena, wymagania dotyczące monitorowania, dokumentacja, zabezpieczenia) i wsparcie dostrajania rozwiązań generatywnej AI po wydaniu na rynek (takich jak szybka inżynieria i RAG).

Kierowanie inicjatywami specjalizującymi się w NLP i analityce predykcyjnej, zapewniając pomyślną realizację projektów zgodnych z celami organizacji. Ściśle współpracuj z interdyscyplinarnymi zespołami z działów IT, dostosowania ryzyka, integralności programów, HEDIS, operacji opieki zdrowotnej, finansów i klinicznych w celu identyfikacji i wykorzystywać możliwości innowacyjnych rozwiązań opartych na danych z wykorzystaniem najnowocześniejszych, pojawiających się technologii. Opracowywać i wdrażać modele predykcyjne, algorytmy i techniki statystyczne w celu wydobywania wniosków z dużych i złożonych zbiorów danych dotyczących opieki zdrowotnej. Definiować i realizować strategie oceny rozwiązań ML i LLM, w tym wskaźniki jakości, kontrole stronniczości i bezpieczeństwa oraz monitorowanie wydajności po wdrożeniu.

Wykorzystywać algorytmy uczenia maszynowego do identyfikowania wzorców, trendów i możliwości poprawy wydajności operacyjnej, ograniczania kosztów i opieki nad pacjentem. Przeprowadzania rygorystycznej analizy danych, w tym czyszczenia danych, inżynieria funkcji i eksploracyjna analiza danych w celu uzyskania znaczących spostrzeżeń i praktycznych rekomendacji. Współpraca z interesariuszami w celu zdefiniowania kluczowych wskaźników wydajności (KPI), opracowania metryk oraz tworzenia dashboardów i raportów, które skutecznie przekazują spostrzeżenia i wspierają podejmowanie decyzji.

Zapewnia strategiczne wytyczne i rekomendacje kierownictwu wyższego szczebla w oparciu o analizę danych i wyniki modelowania predykcyjnego. Zapewnia zgodność z przepisami dotyczącymi prywatności i bezpieczeństwa danych, w tym dotyczącymi postępowania z HIPAA i PHI, jeśli ma to zastosowanie, oraz utrzymuje najwyższe standardy integralności danych, zarządzania modelami i dokumentacji. Kierownictwo międzyfunkcyjne projekty z okazjonalnym zarządzaniem lekkimi projektami w zespołach w celu osiągnięcia wyników.

Reprezentowanie działu na spotkaniach projektowych i innych spotkaniach wymagających wiedzy merytorycznej i wkładu. Wykonywanie wszelkich innych obowiązków związanych z pracą zgodnie z wymaganiami. Wykształcenie i doświadczenie: Wymagany tytuł licencjata w dziedzinie analityki danych, matematyki, statystyki, inżynierii, informatyki lub innej pokrewnej dziedziny.

Preferowany stopień magistra lub doktora. Zamiast wymaganego wykształcenia można zaakceptować równoważne lata odpowiedniego doświadczenia zawodowego. analityka, analityka danych lub dziedzina pokrewna, najlepiej w branży opieki zdrowotnej lub w organizacjach opieki zarządzanej. Wymagane pięć (5) lat doświadczenia w branży opieki zdrowotnej.

Wymagany jeden (1) rok doświadczenia z usługami w chmurze (takimi jak Azure, AWS lub GCP) i nowoczesnym stosem danych (takimi jak Databricks lub Snowflake) Wymagany jeden (1) rok doświadczenia w opracowywaniu i wdrażaniu rozwiązań NLP i generatywnej sztucznej inteligencji w branży opieki zdrowotnej. Wymagane kompetencje, wiedza i umiejętności: Znajomość Agentyczna sztuczna inteligencja, architektura LLM, szybka inżynieria, RAG i metryki oceny. Znajomość praktyk MLOps i LLMOps, takich jak CI/CD, rejestr modeli, śledzenie eksperymentów, automatyczna ocena, monitorowanie i powtarzalne potoki.

Zrozumienie zarządzania ryzykiem modeli, zarządzania sztuczną inteligencją i odpowiedzialnego AI. Duża wiedza specjalistyczna w zakresie modelowania statystycznego, technik uczenia maszynowego i narzędzi analizy predykcyjnej, takich jak Python, lub REExpert w zakresie manipulacji danymi, wizualizacji danych i SQL do ekstrakcji danych i analizaUmiejętność przeprowadzania zaawansowanych analiz statystycznych i modelowania, takich jak regresja liniowa i nieliniowa, próbkowanie i łańcuchy MarkowaDoświadczenie w zakresie nowych technologii i narzędzi, takich jak duże modele językowe, rozumienie języka naturalnego, analiza nastrojów, rozpoznawanie nazwanych jednostek, modelowanie tematyczne i klasyfikacja tekstuDoświadczenie w technologiach optycznego rozpoznawania znaków (OCR), w tym ekstrakcja danych ze zeskanowanych dokumentów, formularzy i faktur oraz biegłość w narzędziach i bibliotekach OCR Znajomość aplikacji internetowych i tworzenia interfejsów API oraz wdrożenie w środowisku produkcyjnym Szczegółowa wiedza na temat danych dotyczących opieki zdrowotnej, w tym roszczeń medycznych i farmaceutycznych, danych EMR, danych HIE, danych UM oraz danych demograficznych i populacyjnych Znajomość operacji opieki zdrowotnej, modeli płatników i świadczeniodawców oraz trendów branżowych Biegła w technikach inżynierii cech i eksploracyjnej analizie danych Znajomość technik optymalizacji i metod sztucznej inteligencji Doskonałe umiejętności analityczne, rozwiązywania problemów i krytycznego myślenia, z możliwością przełożenia złożonych danych na praktyczne spostrzeżenia Silne umiejętności zarządzania projektami, ze zdolnością do przewodzenia i ustalania priorytetów wiele projektów jednocześnie w dynamicznym środowiskuDoskonałe umiejętności komunikacji pisemnej i werbalnej oraz prezentacji, z możliwością przekazywania koncepcji technicznych interesariuszom nietechnicznymWygodne czytanie akademickich artykułów naukowych i stosowanie ich w modelachLicencja i certyfikacja:BrakWarunki pracy:Ogólne środowisko biurowe; może być wymagane siedzenie lub stanie przez dłuższy czas. Może być wymagane do 15% (sporadycznych) podróży w celu wzięcia udziału w spotkaniach, szkoleniach i konferencjach.

Zakres wynagrodzenia: 94 100 - 164 800 USD. CareSource przy ustalaniu wynagrodzenia bierze pod uwagę połączenie wykształcenia, przeszkolenia i doświadczenia kandydata, a także zakres i złożoność stanowiska, swobodę i swobodę wymaganą na danym stanowisku oraz inne dane zewnętrzne i wewnętrzne. poziom. Oprócz wynagrodzenia podstawowego możesz kwalifikować się do premii powiązanej z wynikami firmy i indywidualnymi.

Jesteśmy bardzo zaangażowani w dobre samopoczucie każdego pracownika i oferujemy znaczny i kompleksowy pakiet nagród ogółem. Rodzaj wynagrodzenia (stawka godzinowa/wynagrodzenie): Wynagrodzenie Kompetencje na poziomie organizacji Wspieranie kultury opartej na współpracy w miejscu pracy Kultywowanie partnerstw Rozwijanie siebie i innych Kierowanie realizacją Wpływanie na innych Dążenie do doskonałości osobistej Zrozumienie biznesu Ten opis stanowiska nie jest wyczerpujący. CareSource zastrzega sobie prawo do zmiany niniejszego opisu stanowiska w dowolnym momencie.

CareSource jest pracodawcą zapewniającym równe szanse. Naszym celem jest wspieranie środowiska przynależności, które wita i wspiera osoby ze wszystkich środowisk. Oryginalnie opublikowano w Himalajach