Główny analityk danych - uczenie maszynowe i sztuczna inteligencja

Informacje o AccelerantAccelerant to oparta na danych wymiana informacji o ryzyku, łącząca ubezpieczycieli specjalistycznego ryzyka ubezpieczeniowego z dostawcami kapitału podwyższonego ryzyka. Accelerant został założony w 2018 roku przez grupę długoletnich dyrektorów branży ubezpieczeniowej i ekspertów technologicznych, których łączyła wizja przebudowy sposobu wymiany ryzyka - tak, aby działał lepiej i dla wszystkich. Giełda ryzyka Accelerant prowadzi działalność w ponad 20 różnych krajach i oferuje 250 specjalistycznych produktów.

Jesteśmy dumni, że nasi ubezpieczyciele otrzymali ocenę AM Best A- (Excellent). Więcej informacji można znaleźć na stronie www.accelerant.ai. Poszukujemy analityka danych, który opracuje systemy uczenia maszynowego i sztucznej inteligencji, które usprawnią podejmowanie decyzji w zakresie ustalania cen, gwarantowania emisji, zarządzania portfelem, operacji i roszczeń.

Będziesz pracować nad ustrukturyzowanymi danymi, tekstem, dokumentami i zewnętrznymi źródłami danych, stosując modelowanie statystyczne, nowoczesne uczenie maszynowe, sztuczną inteligencję i agentyczne przepływy pracy, aby rozwiązywać trudne problemy w świecie rzeczywistym. Podstawą tej roli jest poważne modelowanie ilościowe. Dbamy o kalibrację, a nie tylko o dyskryminację.

Weryfikację przeprowadzamy po terminie i martwimy się o wycieki i dryf. Obliczamy niepewność i potrafimy powiedzieć, kiedy modelowi należy ufać, a kiedy nie i dlaczego. LLM i systemy agentowe stanowią w tym wszystkim mnożnik siły i mierzymy te systemy w taki sam sposób, w jaki mierzylibyśmy każdy inny model: na danych, których nie widziały, w porównaniu z rozsądną wartością bazową, ze szczerą niepewnością co do wyniku.

Nie potrzebujesz wiedzy o sztucznej inteligencji, aby do nas dołączyć; do pracy w ten sposób potrzebny jest prawdziwy entuzjazm. To nie jest rola raportowania ani panelu kontrolnego. Będziesz pracować nad niejednoznacznymi problemami o dużym wpływie, w przypadku których będziesz musiał określić właściwe podejście, zbudować rozwiązania gotowe do produkcji i zmierzyć wpływ swojej pracy na biznes.

Jeśli lubisz nieuporządkowane dane, trudne problemy z przewidywaniem i budowanie inteligentnych systemów, które podejmują lepsze decyzje w świecie rzeczywistym, będziesz dobrze pasować. Nad czym będziesz pracować Nasz zespół zajmuje się szeroką gamą problemów związanych z uczeniem maszynowym i sztuczną inteligencją. W zależności od priorytetów biznesowych możesz pracować nad takimi projektami, jak: Modelowanie predykcyjne cen, underwritingu, roszczeń, ryzyka katastrof i zarządzania portfelem Klasyfikacja, ranking, dopasowywanie, rekomendacja i systemy wykrywania anomalii usprawniające podejmowanie decyzji biznesowych Ekstrakcja informacji z dokumentów, e-maili, formularzy i innych nieustrukturyzowanych danych przy użyciu nowoczesnych technik sztucznej inteligencji Rozdzielczość jednostek, wzbogacanie danych i budowanie wysokiej jakości zbiorów danych z zaszumionych lub niekompletnych informacji Projektowanie systemów AI, które automatyzują przepływy pracy analityczne i decyzyjne koniec.

Zbuduj pomiar, który powie nam, czy rzeczywiście przewyższają to, co zastępują.Budowanie potoków funkcji produkcyjnych, usług wnioskowania o modelach i ram oceny.Współpraca z inżynierami, aktuariuszami, gwarantami emisji, menedżerami produktów i liderami biznesowymi w celu przekształcenia niejednoznacznych pytań w skalowalne rozwiązania w zakresie uczenia maszynowego.Czego szukamy. Prawdopodobnie masz doświadczenie w wielu z poniższych dziedzin: Solidne podstawy ilościowe: statystyki, prawdopodobieństwo, optymalizacja lub matematyka stosowana. Solidna ocena modelowania - wiesz, czego potrzeba, aby model się sprawdził. w prawdziwym świecie, a nie tylko na zestawie walidacyjnym Dobre umiejętności programistyczne Prawdziwa chęć pracy z LLM i agentyczną sztuczną inteligencją jako narzędziami codziennego użytku, niezależnie od tego, gdzie się obecnie znajdujesz Jasna komunikacja zarówno z odbiorcami technicznymi, jak i nietechnicznymi - możesz wyjaśnić krzywą wzrostu gwarantowi i skurczeniu się przed statystyką Punkty dodatkowe Doświadczenie w co najmniej jednym z poniższych jest szczególnie cenne: Osiągnięcia w zakresie aplikacji opartych na LLM lub agentów AI, szczególnie jeśli wykonałeś nieestetyczna praca polegająca na udowadnianiu, że działają Głębokość zestawu narzędzi statystycznych wykraczająca poza nadzorowane przewidywania: modele hierarchiczne i szacowanie skurczu, wnioskowanie przyczynowe i eksperymenty, analiza przetrwania, teoria wartości ekstremalnych lub modelowanie popytu i elastyczności Znajomość dziedzin ubezpieczeń: ceny, rezerwacje, roszczenia, gwarantowanie lub dystrybucja Wiedza aktuarialna lub kwalifikacje (częściowo lub w pełni wykwalifikowane) Doświadczenie w branżach regulowanych, w których liczy się zarządzanie modelami i ich wyjaśnialność Doświadczenie w inżynierii ML: przenoszenie modeli z kodu badawczego do produkcji usługi lub budowanie narzędzi i frameworków, które pomogą innym wdrożyć umiejętności w zakresie chmury i infrastruktury: AWS, Azure lub GCP; kontenery i orkiestracja; Interfejsy API i potoki danych zbudowane z myślą o kosztach, opóźnieniach i niezawodnościMLOps w praktyce: śledzenie eksperymentów, monitorowanie modeli, automatyczne przeszkolenie i CI/CD dla modeli i kontekstu zespołu agentaDołączysz do szczupłego, starszego zespołu o niskiej biurokracji i dużej autonomii.

Intensywnie inwestujemy w agentyczną sztuczną inteligencję jako kolejną ewolucję sposobu działania zespołu ilościowego, a Ty pomożesz ukształtować ten kierunek od samego początku. Dlaczego Accelerant? Będziesz miał możliwość pracy nad technicznie wymagającymi problemami obejmującymi cały łańcuch wartości ubezpieczenia.

Znajdziesz tutaj: Różnorodne wyzwania ilościowe w różnych domenach Swobodę eksplorowania szybko rozwijających się krajobrazów uczenia się i sztucznej inteligencji, od wzmacniania gradientów i głębokiego uczenia się po modele podstawowe i systemy agentyczne, przy jednoczesnym utrzymaniu oparcia na rygorystycznych eksperymentach i wymiernym wpływie na biznesA współpracujący zespół analityków danych, inżynierów, aktuariuszy, underwriterów i menedżerów produktu, którzy lubią wspólnie rozwiązywać trudne problemy. Oryginalnie opublikowano w Himalajach