Старший штатний інженер систем машинного навчання

Hims & Hers — це провідна платформа для здоров’я та здоров’я, яка прагне допомогти світу почуватися чудово завдяки зміцненню здоров’я. Ми переосмислюємо охорону здоров’я, ставлячи клієнта на перше місце та забезпечуючи доступ до медичної допомоги, яка є прийнятною, доступною та індивідуальною, від діагностики до лікування та доставки. Немає двох однакових людей, тому ми надаємо доступ до персоналізованого догляду, розробленого для досягнення результату. Нормалізуючи проблеми здоров’я та здоров’я та впроваджуючи інновації в їх вирішення, ми полегшуємо досягнення кращих результатів для здоров’я.

Hims & Hers є публічною компанією, що торгується на NYSE під тикером «HIMS». Щоб дізнатися більше про бренд і пропозиції, ви можете відвідати hims.com/about і hims.com/how-it-works. Щоб отримати інформацію про видатні переваги компанії, культуру та її гнучку/дистанційну роботу, орієнтовану на таланти, перегляньте нижче та відвідайте www.hims.com/careers-professionals.

Про роль:

Як зробити розширений штучний інтелект/ML не просто потужним, але й достатньо надійним для роботи в регульованому середовищі охорони здоров’я? Ми шукаємо старшого інженера, який би відповідав на все це питання: канали даних, які живлять наші моделі та оцінювання, а також інфраструктура оцінювання — судді, оцінювачі, статистичні регресійні ворота, тестування червоною командою — яка вирішує, чи моделі ШІ є ефективними та безпечними для доставки пацієнтам.

Це лідерська посада для того, хто комфортно працює в різних дисциплінах. Ви встановлюєте технічне керівництво тим, як ми будуємо, версії та довіряємо даним і судженням, за якими оцінюються наші продукти ШІ. Ваші можливості розширяться від прийому необроблених даних і конвеєрів функцій/наборів даних, через методологію оцінювання та статистичну точність до поверхонь звітності, які дозволяють клінічним командам і групам продуктів діяти на основі отриманих нами знань.

Ви витрачатимете більшу частину свого часу на проблеми, для яких немає підручника: неоднозначні, міжкомандні та по-справжньому важко міркувати. Робота полягає в тому, щоб внести ясність у цю двозначність, намітити шлях, яким може йти решта команди та організації, і провести його від ідеї до виробництва, налагоджуючи стосунки та підтримку на цьому шляху, щоб це дотримано.

Ви:

Прийміть оцінку в цілому, а не лише її частину

•
Встановити технічний напрям для наших систем оцінки; метрика, дизайн судді та бомбардира, статистична методологія, що лежить в основі рішень регресії, та інфраструктура, яка відстежує та класифікує невдачі з часом.

•
Розробляйте та масштабуйте конвеєри даних — приймання, перетворення, версії набору даних, маркування та робочі процеси калібрування — від яких залежить як оцінка, так і подальша наукова робота з даними.

•
Завчасно вирішуйте проблеми з масштабуванням і оцінкою складності ШІ.

Керуйте проектами, які охоплюють команди та квартали

•
Визначте, як ми оцінюємо будь-яку нову послугу ШІ з нуля. Стимулюйте багатокомандні ініціативи, як-от заміну ручних, непослідовних процесів перевірки на статистично обґрунтовані автоматизовані ворота.

•
Скористайтеся нашим підходом до змагальності та оцінювання червоною командою як програмою зниження ризику, розробляючи набори тестів і класифікацію невдач, які виявляють проблеми з безпекою та крайні випадки, перш ніж вони досягнуть пацієнтів.

•
Розв’яжіть складні технічні розбіжності між командами та досягніть узгодженості між керівниками інженерів, продуктів і ШІ.

Перетворюйте складні, неоднозначні проблеми на рішення, на яких можуть працювати інші команди

•
Розробити нові підходи та методологію, які стануть стандартом для багаторазового використання, а не одноразовим виправленням.

•
Візьміть нечіткі, міжкомандні проблемні моменти («ми робимо це вручну, і це непослідовно») на всьому шляху від приблизної ідеї до повністю визначеної, відвантаженої системи, без необхідності відкладати будь-яку частину шляху.

•
Керувати основними вдосконаленнями платформи; зміна архітектури основних систем, усунення крихкої логіки, модернізація роботи з впливом, який відчувається в усій організації, а не лише у вашій власній команді.

Розвивайте людей і мережу навколо себе

•
Створюйте реальні робочі стосунки між інженерією машинного навчання, наукою про дані, розробкою платформи, клінічними, юридичними та продуктовими справами, довірою, яка залучає вас на ранній стадії, ще до прийняття рішень.

•
Станьте провідним голосом щодо методології оцінювання та дизайну каналу даних: діліться тим, що ви дізналися під час внутрішніх переговорів, пишіть речі, щоб інші команди могли ними скористатися, і очікуйте, що ваші ідеї впливатимуть на те, як інші підходять до подібних проблем.

•
Наставляйте інших інженерів, у тому числі досвідчених, і допомагайте підвищити технічну та статистичну планку команд, з якими ви працюєте.

Ви маєте:

•
Понад 10 років досвіду роботи з інфраструктурою машинного навчання, розробкою даних або системами оцінювання/тестування, з досвідом впливу, що виходить за межі однієї команди чи проекту.

•
Практична глибина систем оцінювання: розробка та калібрування суддів/бомбардиров LLM, побудова статистично обґрунтованої методології регресійного тестування (наприклад, парне тестування значущості з належною корекцією для кількох порівнянь), вимірювання згоди проти людських ярликів та розробка змагальних/червоних командних підходів до оцінювання.

•
Практична глибина розробки конвеєрів даних: керування версіями наборів даних, конвеєри функцій і порівняння, робочі процеси маркування та калібрування, а також високопродуктивні системи прийому й перетворення.

•
Історія створення речей, які стали стандартним підходом для інших — не лише вирішення вашої власної проблеми, а зміна того, як ширша група людей вирішує категорію проблем.

•
Досвід ведення кількох командних проектів до завершення, включаючи навігацію та вирішення справжніх технічних розбіжностей на цьому шляху.

•
Послужний список наставництва інших інженерів, у тому числі старших, і помітне підвищення планки для команд навколо вас.

•
Відмінна комунікація — комфортна адаптація однієї ідеї для різних аудиторій і впевнене формування підтримки задовго до запуску.

•
Потужний Python і достатня плавність статистичних даних, щоб розробити та захистити структуру тестування, на якій базуються реальні виробничі рішення.

Приємно мати:…

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