Starszy analityk danych

<div class="content-intro"><p>Chcesz zrewolucjonizować opiekę zdrowotną, czyniąc ją szybszą i bardziej dostępną niż kiedykolwiek wcześniej? </p> <p><span style="font-size: 14pt;"><strong>Jak zaczynaliśmy:</strong></span></p> <p>Założona w 2013 roku przez Dwayne’a D’Souza firma HeliosX<em></em>ostała zbudowana w oparciu o prostą, ale potężną ideę: opieka zdrowotna powinna być łatwiej dostępna, szybsza w świadczeniu i skupiona wokół jednostki. Od pierwszego dnia rozwijaliśmy się bez zewnętrznego finansowania; skalowanie z zyskiem dzięki technologii, zdyscyplinowanej realizacji i głębokiej wiedzy medycznej. To, co zaczęło się jako pomysł pretendenta, stało się dziś jedną z najważniejszych platform opieki zdrowotnej działających na całym świecie.</p> <p><span style="font-size: 14pt;"><strong>Gdzie jesteśmy teraz:</strong></span></p> <p>Zdobyliśmy zaufanie milionów ludzi na całym świecie dzięki wiodącym w swojej kategorii produktom i znanym markom, w tym MedExpress, Dermatica, ZipHealth, RocketRX i Levity.

Kluczowym czynnikiem naszego sukcesu jest integracja pionowa; dysponujemy własną produkcją i zastrzeżonymi produktami, pod kierownictwem wewnętrznych zespołów medycznych, badaczy i farmaceutów będących czołowymi specjalistami w swoich dziedzinach.</p> <p>W 2025 r. firma HeliosX leczyła ponad 1,7 miliona pacjentów na całym świecie i osiągnęła przychody na poziomie 781 mln funtów, co stanowi wzrost o 337% rok do roku i ugruntowuje naszą pozycję wyraźnego lidera rynku w Wielkiej Brytanii. Wzrost ten przekłada się na rzeczywiste wyniki: nasze zabiegi odchudzające pomogły pacjentom zrzucić 8,5 miliona kilogramów nadwagi tylko w 2025 r., przyczyniając się do szacunkowo 1300 mniej zdarzeń sercowych. Jest to wzrost o wymiernym, zmieniającym życie wpływie na dużą skalę.</p> <p>Dzisiaj działamy na czterech rynkach międzynarodowych, z sukcesem wprowadzając produkty na rynek w Niemczech i Kanadzie oraz kontynuując ekspansję w USA.

Niedawno znaleźliśmy się także na liście 100 najszybciej rozwijających się firm technologicznych według dziennika Sunday Times, co stanowi kolejne potwierdzenie zarówno naszej dynamiki, jak i ambicji.</p> <p><span style="font-size: 14pt;"><strong>Dokąd zmierzamy:</strong></span></p> <p>2026 to rok znaczących zmian. Naszą ambicją jest osiągnięcie przychodów na poziomie 1,6 miliarda funtów, rozwój z czterech do ośmiu rynków światowych oraz znaczne poszerzenie naszego portfolio produktów leczniczych i pielęgnacyjnych. W nadchodzących latach pomożesz przekształcić HeliosX w prawdziwie wiodącego na świecie partnera w dziedzinie opieki zdrowotnej; taki, który łączy skalę, szybkość i rygor kliniczny, aby na nowo zdefiniować sposób świadczenia spersonalizowanej opieki.

Dołączenie do HeliosX oznacza teraz budowanie systemów, zespołów i produktów, które zdefiniują następną dekadę cyfrowej opieki zdrowotnej oraz wykonywanie pracy, która rzeczywiście poprawia życie w skali globalnej.</p> <p><strong>Dołączenie do HeliosX nigdy nie było bardziej ekscytującego czasu. Przyjdź i weź udział w urzeczywistnianiu naszego marzenia o łatwiejszej i szybszej opiece zdrowotnej!</strong></p></div><p><strong>Szansa</strong><strong><br></strong><strong><br></strong>Jako starszy analityk danych w HeliosX będziesz kształtować przyszłość spersonalizowanej cyfrowej opieki zdrowotnej, budując i wdrażając zaawansowane modele rekomendacji, które usprawnią każdy etap podróży pacjenta. Współpracując z ponad milionem interakcji z pacjentami, zamienisz bogate dane ze świata rzeczywistego w przydatne spostrzeżenia, które poprawią wyniki i zaangażowanie. Ściśle współpracując z Product, będziesz projektować i testować rozwiązania oparte na danych, korzystając z naszego nowoczesnego stosu (Snowflake, Hex, Claude), aby zapewnić prawdziwie zindywidualizowaną opiekę na dużą skalę.

Twoja praca będzie miała bezpośredni wpływ na to, jak miliony pacjentów otrzymają proaktywne, spersonalizowane wsparcie, gdy będziemy wyznaczać globalne standardy w zakresie zdrowia cyfrowego opartego na GLP-1.<br><br><span class="s1">Jest to stanowisko na pełny etat, na stałe, z hybrydowym układem pracy. Będziesz oczekiwany na miejscu w naszym biurze w Shoreditch dwa razy w tygodniu, z możliwością pracy zdalnej przez trzy dni tygodniowo.</span></p> <p><strong>Co będziesz robić:</strong></p> <ul> <li>Modele prognozowania klinicznego: Projektuj i wdrażaj modele ML przewidujące wyniki leczenia, w tym przestrzeganie zaleceń lekarskich, reakcję na leczenie, ryzyko wystąpienia zdarzeń niepożądanych i pogorszenie stanu klinicznego</li> <li>Stratyfikacja pacjenta: Twórz modele stratyfikacji ryzyka identyfikujące pacjentów, którzy czerpanie korzyści z interwencji klinicznych, zarządzania terapią lekową lub wzmocnionego monitorowania</li> <li>Optymalizacja leczenia: Opracuj modele rekomendujące optymalne ścieżki leczenia, alternatywy leków i spersonalizowane interwencje kliniczne</li> <li>Najlepsze praktyki uczenia maszynowego w opiece zdrowotnej: Upewnij się, że modele spełniają standardy opieki zdrowotnej pod względem interpretowalności, walidacji klinicznej i wymogów regulacyjnych (wytyczne FDA dotyczące wspomagania decyzji klinicznych)</li> <li>Analityka osadzona w produkcie: wiodąca integracja modeli uczenia maszynowego z funkcjami skierowanymi do klienta, usprawniająca zarządzanie lekami, śledzenie przestrzegania zaleceń i spersonalizowane zalecenia zdrowotne</li> <li>Optymalizacja podróży pacjenta: Twórz modele personalizujące doświadczenia pacjentów w zakresie konsultacji online, realizacji recept i bieżącego zarządzania lekami</li> <li>Wgląd kliniczny w czasie rzeczywistym: Rozwijaj możliwości przesyłania strumieniowego ML, dostarczając w czasie rzeczywistym alerty o ryzyku dla pacjenta i zalecenia dotyczące interwencji</li> <li>Wielofunkcyjne przywództwo nad produktem: Współpracuj z menedżerami produktu, zespołami klinicznymi i inżynierami w celu przełożenia wiedzy z modelu na przydatne funkcje produktu</li> <li>Infrastruktura produkcyjnego uczenia maszynowego: ustanowienie solidnych praktyk MLOps przy użyciu MLFlow, SageMaker lub podobnych platform do wersjonowania, wdrażania i monitorowania modeli</li> <li>Monitorowanie wydajności modelu: wdrażanie kompleksowego monitorowania dryftu modelu, degradacji wydajności i wskaźników bezpieczeństwa klinicznego</li> <li>Testowanie i walidacja A/B: Projektowanie i przeprowadzanie eksperymentów mierzących wpływ kliniczny i biznesowy interwencji opartych na uczeniu maszynowym</li> <li>Zgodność z przepisami: zapewnianie uczenia maszynowego modele spełniają wymogi regulacyjne dotyczące opieki zdrowotnej, w tym dokumentację modeli, walidację i ścieżki audytu</li> <li>Strategia nauki o danych: zdefiniuj techniczny plan rozwoju możliwości uczenia maszynowego w służbie zdrowia wspierający innowacje produktów i wyniki kliniczne</li> <li>Rozwój zespołu: mentor naukowców i analityków zajmujących się danymi w zakresie analityki w opiece zdrowotnej, najlepszych praktyk uczenia maszynowego i wiedzy z dziedziny klinicznej</li> <li>Badania i innowacje: wiodąca eksploracja najnowocześniejszych technik, w tym wnioskowania przyczynowego, analizy przeżycia i stowarzyszonego uczenia się dla zastosowań w opiece zdrowotnej</li> <li>Komunikacja z interesariuszami: Przełóż złożone koncepcje uczenia maszynowego i spostrzeżenia kliniczne na jasne rekomendacje dla interesariuszy zajmujących się produktem, klinią i kadrą kierowniczą</li> </ul> <p><strong>Co wniesiesz do HeliosX</strong></p> <p>Uczenie maszynowe i wiedza specjalistyczna w zakresie statystyki</p> <ul> <li>Zaawansowana biegłość w uczeniu się pod nadzorem/bez nadzoru, prognozowaniu szeregów czasowych, analizie przeżycia i metodach wnioskowania przyczynowego</li> <li>Doświadczenie w tworzeniu modeli ML na potrzeby stratyfikacji pacjentów, punktacji ryzyka lub spersonalizowanych rekomendacji</li> <li>Mocne podstawy w zakresie wnioskowania statystycznego, projektowania eksperymentów i testów A/B w kontekście opieki zdrowotnej</li> <li>Doświadczenie w zakresie technik interpretacji modeli (SHAP, LIME) kluczowych dla wspomagania decyzji klinicznych</li> <li>Praktyczne doświadczenie w zakresie wyzwań związanych z uczeniem maszynowym specyficznych dla opieki zdrowotnej (niezrównoważone zbiory danych, brakujące dane, zależności czasowe)</li> </ul> <p>Techniczny stos i MLOps </p> <ul> <li>Umiejętność języka Python (scikit-learn, pandas, PyTorch/TensorFlow) i języka SQL do analizy danych na dużą skalę</li> <li>Doświadczenie z nowoczesnymi platformami danych (Snowflake, Databricks lub podobnymi hurtowniami danych w chmurze)</li> <li>Zademonstrowane możliwości MLOps przy użyciu narzędzi takich jak MLFlow, SageMaker, Vertex AI lub Azure ML</li> <li>Doświadczenie w budowaniu systemów wnioskowania ML w czasie rzeczywistym i potoków analizy strumieniowej</li> <li>Silne praktyki inżynierii oprogramowania, w tym kontrola wersji (Git), CI/CD i monitorowanie modeli</li> </ul> <p>Współpraca produktowa i międzyfunkcyjna</p> <ul> <li>Ponad 3 lata pracy z zespołami produktowymi tłumaczącymi wiedzę ML na funkcje skierowane do klienta</li> <li>Doświadczenie w zakresie udanych testów A/B i pomiaru wpływu biznesowego/klinicznego interwencji ML</li> <li>Doświadczenie w przekazywaniu złożonych koncepcji technicznych interesariuszom nietechnicznym (menedżerom produktu, klinicystom, kadrze kierowniczej)</li> <li>Wykazana umiejętność równoważenia rygoru naukowego z pragmatycznymi harmonogramami dostarczania produktów</li> </ul> <p>Preferowane doświadczenie</p> <ul> <li>Doktorat lub magister statystyki, informatyka Nauka, biostatystyka, informatyka medyczna lub pokrewna dziedzina ilościowa</li> <li>Opracowywanie klinicznych modeli przewidywania (np. ryzyko ponownej hospitalizacji, zdarzenia niepożądane, odpowiedź na leczenie, przewidywanie przestrzegania zaleceń)</li> <li>Doświadczenie w farmacji cyfrowej, telemedycynie lub platformach opieki zdrowotnej bezpośredniej dla konsumentów</li> <li>Rekord publikacji w systemach uczenia maszynowego w opiece zdrowotnej lub systemach wspomagania decyzji klinicznych</li> <li>Doświadczenie z lekami GLP-1, zarządzaniem wagą lub zarządzaniem chorobami przewlekłymi programów</li> <li>Znajomość zastosowań LLM w opiece zdrowotnej (Claude, GPT-4) do celów dokumentacji klinicznej lub zaangażowania pacjentów</li> <li>Wykazana znajomość wymogów regulacyjnych w zakresie opieki zdrowotnej dla modeli ML (wytyczne FDA dotyczące wspomagania decyzji klinicznych, RODO, brytyjskie standardy MHRA)</li> </ul> <p><strong>Dlaczego warto z nami współpracować?</strong></p> <p>W HeliosX chcemy ulepszać opiekę zdrowotną dla wszystkich i aby to osiągnąć, potrzebujemy zespołu specjalistów genialnych ludzi, którzy podzielają tę ambicję. Obecnie stanowimy zróżnicowany zespół inżynierów, naukowców, badaczy klinicznych, lekarzy, farmaceutów, marketerów i specjalistów ds. obsługi klienta zaangażowanych w naszą misję - ale jeśli chcemy osiągnąć nasze globalne ambicje, potrzebujemy więcej utalentowanych ludzi, aby dołączyli do nas!</p> <p>Oprócz pracy z naszym gwiazdorskim zespołem, oto inne korzyści płynące z dołączenia do nas:</p> <ul> <li>Ogromne alokacje kapitału własnego ze znacznym potencjałem wzrostu</li> <li>25 dni urlopu (+ wszystkie zwykłe święta państwowe)</li> <li>Prywatne ubezpieczenie zdrowotne wraz z dodatkowym ubezpieczeniem dentystycznym i okulistycznym</li> <li>Emerytura pracownicza z inteligentnymi emeryturami</li> <li>Dłuższy urlop rodzicielski</li> <li>Program rowerem do pracy</li> <li>Program samochodu elektrycznego</li> <li>Bezpłatne produkty Dermatica i MedExpress co miesiąc, a także zniżki dla rodzin</li> <li>Biuro w domu dodatek</li> <li>Dostęp do subskrypcji Headspace, zniżki na członkostwo w siłowni oraz budżet na naukę i rozwój (wraz z bezpłatną subskrypcją Kindle i dźwiękiem)</li> </ul> <p><span style="color: rgb(255, 255, 255);">#LI-Hybrid #LI-Senior #LI-DNI</span></p>Znajdź więcej anglojęzycznych ofert pracy w Wielkiej Brytanii na Arbeitnow