Staff AI/ML Engineer, MyHealthTeam

Schließen Sie sich uns an, um das Patientenerlebnis neu zu definieren. MyHealthTeam baut Gemeinschaften für Menschen mit chronischen und seltenen Erkrankungen. Wir erreichen jeden Monat Millionen von Menschen und investieren stark in KI, um Mitgliedern zu helfen, die richtige Unterstützung, Inhalte und Empfehlungen sicher, verantwortungsbewusst und in großem Maßstab zu finden.

Wir suchen einen Staff AI/ML Engineer, der produktorientiert, praktisch veranlagt und begeistert ist, Produktions-ML/LLM-Systeme zu entwickeln, die unordentliche, reale Texte und Verhaltensdaten in zuverlässige Erfahrungen für Patienten umwandeln.

Was Sie jeden Tag tun werden:

• End-to-End-ML/LLM-Funktionen von der Problembeschreibung über Daten, Modellierung, Bewertung, Bereitstellung bis hin zur Überwachung aufbauen.
• LLM-Anwendungen mit Abruf- und Werkzeugnutzung (z.B. RAG, Orchestrierung/Workflows, strukturierte Extraktion) entwickeln, um vertrauenswürdige Verbraucher-Gesundheitserlebnisse zu liefern.
• Unstrukturierte Texte (Beiträge, Kommentare, Nachrichten, Suchanfragen) in strukturierte Signale (Themen, Entitäten, Absicht, Sentiment, Sicherheitsflaggen) umwandeln, unter Verwendung einer Mischung aus klassischer NLP und modernen LLMs.
• Datenpipelines für Training, Inferenz, Bewertung und Analytik (Batch und/oder Streaming nach Bedarf) erstellen und pflegen.
• Bewertungssysteme entwerfen, die Qualität und Sicherheit messen: Offline-Metriken, goldene Datensätze, menschliche Überprüfungs-Workflows und Online-A/B-Testausrichtung.
• Produktionsschutzmaßnahmen implementieren, um Schäden und Risiken von Fehlinformationen zu reduzieren (Richtlinienbeschränkungen, Ablehnungsverhalten, Zitationen/Zuschreibungen, wenn angemessen, Red-Testing, Überwachung und Vorfallreaktion).
• Überwachung der Modell- und Systemgesundheit (Latenz, Kosten, Drift, Regressionen, Qualitätsmetriken) einrichten.
• Eng mit den Produkt-, Ingenieur- und Datenteams sowie klinischen/Fachexperten zusammenarbeiten, um Ausgaben zu validieren und zu definieren, was „korrekt“ für sensible, gesundheitsnahe Anwendungsfälle bedeutet.
• (Staff-Bereich) Architektur und technische Richtung für angewandte KI in der gesamten Organisation leiten; Ingenieure betreuen; Best Practices und wiederverwendbare Plattformen etablieren.

Beispiele für Probleme, an denen Sie arbeiten könnten:

• Personalisierte Empfehlungen für Gemeinschaften, Beiträge, Ressourcen oder nächste beste Aktionen.
• Sichere Inhaltsverständnis: Erkennung von irreführenden/hochriskanten Gesundheitsansprüchen, Eskalations-Workflows.
• Such- und Entdeckungsverbesserungen mithilfe von Einbettungen, hybrider Abrufung und Ranking.
• Zusammenfassung und Strukturierung langer Threads in navigierbare Einblicke (mit Sicherheitsbeschränkungen).
• Mitgliederabsicht aus Verhaltens- und Textsignalen verstehen.

Erforderliche Qualifikationen:

• 8+ Jahre Erfahrung im Aufbau und Versand von Produktions-ML-Systemen (oder gleichwertige Erfahrung mit nachweisbarem Einfluss).
• Starke Python-Kenntnisse und Erfahrung mit ML/LLM-Bibliotheken und -Tools (z.B. Hugging Face-Ökosystem, LangChain/LangGraph oder gleichwertig).
• Nachgewiesene Fähigkeit, produktionsreife Pipelines (Training/Inferenz/Evaluierung) zu entwerfen und Modelle in realen Systemen zu betreiben (Überwachung, Rollbacks, Vorfallbehandlung).
• Solide Grundlagen in ML-Grundlagen (NLP, Deep Learning, statistisches Denken, Bewertung).
• Erfahrung mit MLOps-Best Practices: Versionierung, Reproduzierbarkeit, CI/CD, Muster für Modellregistrierung, Feature-/Datenmanagement und Infrastrukturzusammenarbeit.
• Erfahrung mit großflächigen Daten unter Verwendung von Databricks/Spark oder gleichwertiger verteilter Verarbeitung.
• Starke Produkt- und Stakeholder-Instinkte: Sie können mehrdeutige Geschäftsbedürfnisse in messbare ML-Ergebnisse übersetzen.

Wünschenswerte Qualifikationen:

• Erfahrung im Aufbau von RAG- und Abrufsystemen: Vektordatenbanken, hybride Suche, Ranking, Empfehlung, Abfrageverständnis.
• Erfahrung im Gesundheitswesen oder in regulierten Umgebungen, einschließlich Datenschutz durch Design, Auditierbarkeit und Sicherheitsüberprüfungen (HIPAA/PHI-Vertrautheit von Vorteil).
• Erfahrung mit Streaming-/Clickstream-Daten, Experimentierplattformen und kausalen/messtechnischen Überlegungen.
• Fähigkeit, End-to-End-Erlebnisse zu prototypisieren (z.B. Streamlit, Gradio, leichte Frontends).
• Erfahrung im Entwurf von LLM-Sicherheitssystemen: Red-Testing, adversarielle Tests, Minderung von Eingabeaufforderungen, Ausgabe-Filterung, menschliche Überprüfung im Loop.

Einige Tools, die wir verwenden:

• Databricks/Spark für verteilte Verarbeitung.
• Redshift und BI-Tools (Looker/Tableau) für Analytik.
• Terraform für Infrastruktur als Code; Airflow für Orchestrierung; GitHub Actions für CI/CD.
• AWS (einschließlich Bedrock) und eine Mischung aus privaten und offenen Modellen (einschließlich Feinabstimmungen, wo angemessen).
• Experimentierungswerkzeuge (A/B-Tests) und interne UX-Analytik-Tools.
• KI-unterstützte Codierungswerkzeuge (z.B. Cursor, Copilot, Claude/OpenAI-Tools).

Arbeitsmodell:

Das MyHealthTeam Engineering Team arbeitet hybrid. Diese Rolle erfordert persönliche Zeit in unserem Büro in One Post Plaza in San Francisco, typischerweise zwei Tage pro Woche.

Bewerbungsunterlagen:

Reichen Sie einen Lebenslauf ein und beantworten Sie die folgenden drei kurzen Fragen:

• Erzählen Sie uns, warum die Mission von MyHealthTeam für Sie wichtig ist.
• Nennen Sie ein Beispiel für ein Produktions-ML/LLM-System, das Sie versendet haben, und wie Sie es bewertet haben.
• Bestätigen Sie, dass Sie die hybriden Arbeitsanforderungen in San Francisco erfüllen können.