Machine Learning Engineer - Life Sciences

Faculty est à la pointe de la transformation des performances organisationnelles grâce à une IA sûre, percutante et dirigée par l'homme. En tant que principale entreprise d'AI appliquée en Europe, nous avons identifié le potentiel de l'IA il y a dix ans, bien avant l'engouement actuel. Fondée en 2014 avec notre programme Fellowship, nous avons formé de nombreux universitaires pour qu'ils deviennent des data scientists commerciaux.

Aujourd'hui, nous servons plus de 300 clients mondiaux avec des logiciels de pointe et des services de conseil en IA sur mesure dans divers secteurs, notamment le commerce de détail, les soins de santé, l'énergie et les organisations gouvernementales. Nous sommes fiers de notre programme Fellowship primé et de nos références en matière de sécurité qui ont fait qu'OpenAI nous a choisis comme premier partenaire technique, facilitant le déploiement sécurisé de l'IA générative.

L'IA est une technologie qui définit une époque, et nous recherchons des personnes pour nous rejoindre et aider nos clients à exploiter ses énormes avantages en toute sécurité.

En tant qu'Ingénieur en Machine Learning chez Faculty, vous concevrez, construirez et déploierez des logiciels de qualité industrielle, des infrastructures et des systèmes MLOps utilisant l'apprentissage automatique. Votre travail aidera nos clients à résoudre un large éventail de problèmes à fort impact, en particulier dans les sciences de la vie. Voici quelques exemples de notre travail passé :

• Prévisions de la demande du NHS pendant la pandémie de COVID-19
• Production d'énergie verte en dirigeant les bateaux vers le vent
• Réduction des dépenses de marketing en prédisant les habitudes de consommation des clients
• Assurer la sécurité des enfants en ligne

Dans ce rôle, vous développerez de nouvelles méthodologies et défendrez les meilleures pratiques pour la gestion des systèmes d'IA à grande échelle tout en tenant compte des exigences techniques, éthiques et pratiques. Vous collaborerez avec des parties prenantes techniques et non techniques pour déployer des solutions de ML pour des problèmes réels.

L'équipe d'ingénierie du Machine Learning est responsable des aspects techniques de nos projets de prestation pour les clients. Vos responsabilités comprendront :

• Construire des logiciels et des infrastructures qui utilisent le Machine Learning
• Créer des outils réutilisables et évolutifs pour une meilleure prestation des systèmes ML
• Comprendre les besoins de nos clients
• Travailler avec des data scientists et des ingénieurs pour développer les meilleures pratiques et nouvelles technologies
• Implémenter et développer la vision de Faculty sur l'opérationnalisation des logiciels ML

Chez Faculty, votre attitude et votre comportement sont tout aussi importants que vos compétences techniques. Nous recherchons des personnes qui soutiennent nos valeurs, favorisent notre culture et fournissent des résultats exceptionnels. Les candidats idéaux :

• Ont une pensée scientifique, même s'ils ne sont pas scientifiques, en testant les hypothèses, recherchant des preuves et cherchant continuellement des opportunités d'amélioration
• Trouvent toujours de nouvelles façons de résoudre d'anciens problèmes, ne se contentant jamais du « suffisamment bon »
• Sont pragmatiques et axés sur les résultats, équilibrant la vue d'ensemble avec l'exécution détaillée

Pour réussir dans ce rôle, vous aurez besoin des éléments suivants (nous ne nous attendons pas à ce que tous les candidats aient de l'expérience dans tous les domaines, mais une correspondance à 70 % est un bon objectif) :

• Compréhension du cycle de vie complet de l'apprentissage automatique, y compris le déploiement de modèles entraînés développés dans des cadres tels que Scikit-learn, TensorFlow ou PyTorch
• Connaissance de la probabilité et des statistiques, ainsi que des techniques d'apprentissage supervisé et non supervisé courantes
• Expérience en ingénierie logicielle, en particulier en programmation Python
• Expérience technique avec l'architecture cloud, la sécurité, le déploiement et les outils open-source (expérience pratique avec au moins une grande plateforme cloud requise)
• Expérience avec les conteneurs, en particulier Docker et Kubernetes
• Cap