États-Unis
B&A
EXL
Architecte IA
États-Unis
New Jersey, United States
PythonSQLAWSGCPDockerKubernetes
Traduction automatique. Consultez l’original.
À propos du poste
Concevoir, développer et déployer des solutions d'IA, Machine Learning et d'IA générative répondant aux problématiques métier tout au long de la chaîne de valeur de l'assurance invalidité, notamment la segmentation des sinistres, la détection de la fraude, le scoring de risque, la modélisation de la durée, la prédiction des résultats et les recommandations de type next-best-action.
Traduire les objectifs métier, actuariels et de gestion des sinistres en cas d'usage concrets d'IA/ML, en conceptions analytiques et en composants de solutions prêts pour la production.
Travailler sur l'ensemble du cycle de vie du ML, incluant le cadrage des problèmes, l'exploration des données, l'ingénierie des caractéristiques, le développement de modèles, la validation, le support au déploiement, le monitoring, le réentraînement et l'amélioration continue.
Construire et optimiser des modèles supervisés, non supervisés, deep learning, NLP et d'IA générative en utilisant des données structurées et non structurées telles que l'historique des sinistres, les dossiers médicaux, les notes de sinistres, les données de police et les données opérationnelles.
Développer des pipelines NLP et d'intelligence documentaire pour extraire, classer, résumer et interpréter des informations issues de dossiers médicaux, de notes de sinistres, de correspondances et d'autres documents non structurés.
Soutenir le développement de solutions d'IA générative, incluant le prompt engineering, les embeddings, le Retrieval-Augmented Generation, la recherche vectorielle, l'évaluation de modèles, les garde-fous et l'intégration avec les applications d'entreprise.
Appliquer des pratiques rigoureuses de validation de modèles, incluant le réglage des performances, la détection de biais, l'analyse d'explicabilité, les tests de stabilité et l'évaluation de l'impact métier.
RESPONSABILITÉS *
- Solide maîtrise pratique de Python et des bibliothèques d'IA/ML courantes telles que Scikit-learn, XGBoost, LightGBM, TensorFlow, PyTorch, Hugging Face, LangChain ou des frameworks similaires. *
- Solide compréhension de machine learning et des techniques de modélisation statistique, incluant la classification, la régression, le clustering, l'analyse de survie, la détection d'anomalies, l'ingénierie des caractéristiques, la sélection de modèles et le réglage des hyperparamètres. *
- Expérience pratique des cas d'usage NLP, deep learning et d'analyse documentaire tels que la classification de texte, l'extraction d'entités, la recherche sémantique, la synthèse, l'extraction d'informations et la compréhension de documents. *
- Expérience pratique de l'IA générative et des grands modèles de langage, incluant le prompt engineering, les embeddings, le Retrieval-Augmented Generation, les bases de données vectorielles, l'évaluation LLM, le contrôle des hallucinations et les garde-fous pour une IA responsable. *
- Connaissance opérationnelle du MLOps et des pratiques ML en production, incluant le suivi des expériences, le registre de modèles, le CI/CD pour le ML, le déploiement de modèles, le monitoring, la détection de dérive, le réentraînement et des outils tels que MLflow, Airflow. *
- Docker, Kubernetes, Git ou plateformes ML natives cloud. *
- Solides compétences en SQL et en manipulation de données, avec la capacité de travailler avec de grands jeux de données structurés, semi-structurés et non structurés. *
- Bonne compréhension des bases de données relationnelles, des concepts de modélisation de données, des pipelines de données, des APIs et des fondamentaux de l'architecture de données. *
- Exposition aux plateformes cloud telles que Azure, AWS ou GCP et familiarité avec le développement de solutions IA/ML scalables dans des environnements cloud. *
- Capacité à évaluer les performances des modèles en utilisant des métriques appropriées, à expliquer les résultats des modèles, à identifier les biais ou les dérives, et à communiquer clairement les limites aux parties prenantes techniques et non techniques. *
- Compréhension de l'IA responsable, de la gouvernance des modèles, de la confidentialité des données, de la sécurité et des considérations de conformité dans les domaines réglementés. *
- Solides compétences en résolution de problèmes, sens des responsabilités et capacité à concevoir des composants de solutions IA/ML scalables, réutilisables et maintenables.
QUALIFICATIONS *
- Licence ou Master en informatique, ingénierie, science des données, statistiques, mathématiques, intelligence artificielle, Machine Learning ou une discipline quantitative connexe. *
- 4+ années d'expérience pratique en IA/ML, science des données ou ingénierie machine learning, avec une expérience dans la construction de solutions analytiques ou basées sur l'IA qui soutiennent des résultats métier mesurables. *
- Expérience de travail avec des données structurées et non structurées et application de techniques de machine learning, NLP, deep learning ou d'IA générative pour résoudre des problèmes métier concrets. *
- Solide esprit analytique, discipline d'ingénierie et capacité de résolution de problèmes structurée. *
- Solides compétences en communication écrite et orale, avec la capacité d'expliquer les conclusions analytiques, les résultats des modèles, les risques et les recommandations aux parties prenantes techniques et métier. *
- Capacité à travailler dans un environnement rapide et en constante évolution et à prendre en charge des tâches de livraison IA/ML complexes. *
- Capacité à collaborer efficacement entre les cultures et à travailler avec des clients et des équipes à travers différentes zones géographiques.
- Une exposition à l'assurance collective, à la santé, à l'assurance invalidité, à l'analyse des sinistres ou à d'autres domaines d'activité réglementés sera appréciée. *
- Une compréhension de base des structures de données d'assurance telles que les polices, les membres assurés, les couvertures, les sinistres, les prestations, les prestataires, les dossiers médicaux et les entités associées sera un atout. *
- Une expérience dans le support au déploiement de modèles, la mise en production, le monitoring ou les activités MLOps sera fortement appréciée. *
- Une exposition à la santé, à l'assurance, aux sinistres invalidité, aux services financiers ou à d'autres industries réglementées sera appréciée. *
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil