Старший штатный инженер по системам машинного обучения

Hims & Hers — ведущая платформа в сфере здравоохранения и хорошего самочувствия, миссия которой — помочь всему миру чувствовать себя прекрасно благодаря силе лучшего здоровья. Мы переосмысливаем здравоохранение, ставя клиента на первое место и обеспечивая доступность, доступность и индивидуальность медицинской помощи, от диагностики до лечения и доставки. Нет двух одинаковых людей, поэтому мы предоставляем доступ к индивидуальному уходу, ориентированному на результат. Нормализуя проблемы здоровья и благополучия и внедряя инновации в их решениях, мы облегчаем достижение лучших результатов в отношении здоровья.

Hims & Hers — публичная компания, акции которой торгуются на Нью-Йоркской фондовой бирже под тикером «HIMS». Чтобы узнать больше о бренде и предложениях, посетите сайты hiss.com/about и hiss.com/how-it-works. Информацию о выдающихся преимуществах, культуре компании и подходе к гибкой/дистанционной работе, ориентированной на таланты, см. ниже и посетите сайт www.hims.com/careers-professionals.

О роли:

Как нам сделать передовые технологии искусственного интеллекта и машинного обучения не просто мощными, но и достаточно надежными, чтобы их можно было использовать в регулируемой среде здравоохранения? Мы ищем старшего инженера, который сможет полностью разобраться в этом вопросе: конвейерах данных, которые подают наши модели и оценки, а также инфраструктуре оценки — судьях, оценщиках, воротах статистической регрессии, тестировании красной команды — которая решает, являются ли модели ИИ эффективными и безопасными для отправки пациентам.

Это лидерская роль для человека, который комфортно работает в разных дисциплинах. Вы зададите техническое направление того, как мы создаем, проверяем и доверяем данным и суждениям, на основе которых оцениваются наши продукты искусственного интеллекта. Ваша сфера деятельности расширится от приема необработанных данных и конвейеров функций/наборов данных, через методологию оценки и статистическую строгость до поверхностей отчетности, которые позволяют клиническим и продуктовым группам действовать на основе полученных знаний.

Вы потратите большую часть своего времени на проблемы, для которых нет существующей схемы действий: неоднозначные, межкомандные и о которых действительно сложно рассуждать. Задача состоит в том, чтобы внести ясность в эту двусмысленность, наметить путь, по которому могут следовать остальные члены команды и организации, и провести его от идеи до производства, выстраивая отношения и поддерживая на этом пути, чтобы добиться успеха.

Вы будете:

Управляйте оценкой в целом, а не только ее частью

•
Установить техническое направление для наших систем оценки; метрики, дизайн судей и счетчиков, статистическая методология принятия решений по регрессии и инфраструктура, которая отслеживает и классифицирует неудачи с течением времени.

•
Спроектируйте и масштабируйте конвейеры данных — прием, преобразование, управление версиями наборов данных, маркировку и калибровку — от которых зависит как оценка, так и последующая работа по обработке данных.

•
Упреждающее решение проблем масштабирования и оценки сложности ИИ.

Руководить проектами, охватывающими команды и кварталы

•
Определите, как мы оцениваем любую новую услугу искусственного интеллекта с нуля. Продвигайте инициативы с участием нескольких команд, например замену ручных, непоследовательных процессов проверки статистически обоснованными автоматическими шлюзами.

•
Используйте наш подход к состязательной оценке и оценке «красной командой» как к программе снижения риска, разрабатывая наборы тестов и таксономии неудач, которые выявляют проблемы безопасности и крайние случаи до того, как они дойдут до пациентов.

•
Устраняйте сложные технические разногласия между командами и обеспечивайте согласованность между руководителями разработчиков, продуктов и ИИ.

Превратите сложные, неоднозначные проблемы в решения, которые смогут использовать другие команды.

•
Разработать новые подходы и методологию, которые станут многоразовым стандартом, а не разовым решением.

•
Учитывайте расплывчатые, общие для всех команд болевые точки («мы делаем это вручную, и это непоследовательно») на всем пути от грубой идеи до полностью определенной, готовой системы, без необходимости передавать какую-либо часть пути.

•
Руководить крупными улучшениями платформы; перепроектирование основных систем, устранение хрупкой логики, модернизация того, как все работает, с эффектом, который ощущается в масштабах всей организации, а не только в вашей собственной команде.

Развивайте людей и сеть вокруг вас

•
Выстраивайте настоящие рабочие отношения в сфере машинного обучения, науки о данных, разработки платформ, клинической, юридической и продуктовой деятельности. Это такой тип доверия, который позволит вам начать работу на ранней стадии, прежде чем будут приняты решения.

•
Станьте авторитетным экспертом по методологии оценки и проектированию конвейеров данных: делитесь тем, что вы узнали, на внутренних переговорах, записывайте информацию, чтобы другие команды могли ее использовать, и ожидайте, что ваши идеи повлияют на то, как другие подходят к аналогичным проблемам.

•
Наставляйте других инженеров, в том числе опытных, и помогайте поднять техническую и статистическую планку команд, с которыми вы работаете.

У вас есть:

•
Более 10 лет опыта работы в инфраструктуре машинного обучения, инжиниринге данных или системах оценки/тестирования, а также опыт работы, выходящий за рамки одной команды или проекта.

•
Практическая глубина систем оценки: проектирование и калибровка судей/оценщиков LLM, построение статистически обоснованной методологии регрессионного тестирования (например, парное тестирование значимости с правильной коррекцией для множественных сравнений), измерение согласия с человеческими ярлыками и разработка подходов к оценке состязательных/красных команд.

•
Практическая глубина проектирования конвейеров данных: управление версиями наборов данных, конвейеры функций и тестов, рабочие процессы маркировки и калибровки, а также высокопроизводительные системы приема и преобразования.

•
История создания вещей, которые стали стандартным подходом для других — не просто решения вашей собственной проблемы, но и изменения того, как более широкая группа людей решает ту или иную категорию проблем.

•
Опыт ведения многокомандных проектов до завершения, включая навигацию и разрешение реальных технических разногласий на этом пути.

•
Опыт наставничества других инженеров, в том числе старших, и заметного повышения планки для окружающих вас команд.

•
Отличная коммуникация — удобная адаптация одной и той же идеи для разных аудиторий и уверенная поддержка ее задолго до запуска.

•
Уверенный Python и достаточная статистическая свобода, чтобы спроектировать и защитить среду тестирования, на которой будут основываться реальные производственные решения.

Приятно иметь:…

Источник: Jobicy (https://jobicy.com/jobs/154909-sr-staff-machine-learning-systems-engineer).