B&A
Shrive Technologies LLC
Ingénieur IA spécialisé dans le domaine de la santé - Consultants indépendants avec autorisation de travail uniquement
PythonSQL
Traduction automatique. Consultez l’original.
À propos du poste
Poste - Ingénieur IA (Domaine de la santé)
Lieu - Minneapolis, MN (Télétravail)
Il s'agit d'un poste en télétravail.
Qualifications requises
Responsabilités clés : Databricks, Python (pandas, scikit-learn, NumPy, TensorFlow, MLflow) SQL et frameworks d'IA agentique (LangChain, LangGraph, OpenAI, MCP)
Pour le poste d'ingénieur IA, les compétences requises sont : Databricks, Python (pandas, scikit-learn, NumPy, TensorFlow, MLflow) SQL et frameworks d'IA agentique (LangChain, LangGraph, OpenAI, MCP)
- Licence ou Master en science des données, informatique, statistiques, mathématiques appliquées ou dans un domaine quantitatif connexe.
- 3-7+ années d'expérience pratique dans le développement de modèles de ML ou d'IA dans un contexte industriel appliqué (expérience dans le secteur de la santé fortement privilégiée).
- Maîtrise solide de : Databricks Python (pandas, scikit-learn, NumPy, TensorFlow, MLflow) SQL
- Capacité à évoluer dans un environnement dynamique nécessitant un prototypage rapide, une gestion de l'ambiguïté et une livraison itérative.
- Requis : Solide connaissance pratique de GitHub Copilot (ou assistant de codage IA équivalent approuvé par l'entreprise) pour accélérer le développement.
- Motivé et orienté vers les solutions ; capable de rechercher, dépanner et identifier des pistes de progression de manière autonome face à des défis techniques ou liés aux données.
- Expérience de travail dans Azure ou des environnements cloud similaires : Azure Databricks (MLflow, Delta Lake), Azure Machine Learning, Azure Data Lake / Azure Data Factory (en partenariat avec l'ingénierie des données).
- Expérience pratique dans au moins l'un des domaines suivants : classification, régression, séries temporelles ou systèmes de recommandation, IA agentique / grands modèles de langage (LLMs) / RAG.
- Solides bases en modélisation statistique et expérience dans la construction de systèmes de ML de qualité production.
- Capacité à communiquer clairement et efficacement des conclusions techniques à des parties prenantes non techniques.
Responsabilités
- Développer des modèles de machine learning, de deep learning et d'IA générative pour soutenir les cas d'usage de gestion du cycle des revenus (RCM), tels que la prédiction des résultats de réclamations, la classification des refus, la recommandation de la meilleure action à suivre, la synthèse des recours cliniques et l'optimisation des flux de travail.
- Construire des pipelines de ML de bout en bout, incluant l'ingénierie des caractéristiques, l'entraînement des modèles, le réglage des hyperparamètres, la validation et la surveillance.
- Rechercher et appliquer des techniques avancées en LLMs, intégrations (embeddings), génération augmentée par récupération (RAG), ingénierie de prompt et intelligence documentaire.
- Traduire les besoins opérationnels et produits en objectifs de modèle mesurables, spécifications de données et cadres d'évaluation.
- Mener des analyses exploratoires de données (EDA) pour comprendre les modèles de données, les anomalies et les perspectives commerciales.
- Mettre en œuvre et suivre les meilleures pratiques en matière de MLOps, notamment le versioning de modèles, la reproductibilité, les magasins de caractéristiques (feature stores) et la surveillance de la dérive.
- Collaborer avec les ingénieurs de données pour assurer la disponibilité des caractéristiques, la qualité des données et le déploiement évolutif de ML/IA au sein de Azure Databricks et des plateformes d'entreprise.
- Collaborer avec des équipes interfonctionnelles pour communiquer les résultats, présenter les performances des modèles et favoriser l'adoption des solutions de ML.
- Maintenir une veille sur les technologies d'IA émergentes et proposer des améliorations ou de nouvelles opportunités pour les plateformes d'ingénierie des prestataires.
- Souhaité : Connaissance du système de santé américain, idéalement avec une expérience en gestion du cycle des revenus (RCM), incluant une familiarité avec les transactions EDI telles que 837 et 835.
