Senior adattudós (MI-visszakereső rendszerek)

Stack

Feladatok

• ▹Biomedikai tudás modellezése a ritkabetegség-kutatáshoz: betegség- és fenotípus-ontológiák és kontrollált szótárak betöltése PostgreSQL-be karbantartható kiadási és frissítési úttal, az azonosítók összehangolása a források között, a fogalomhierarchiák bejárása a klinikailag releváns elemek meghatározásához
• ▹Visszakereséssel kiegészített (retrieval-augmented) szolgáltatások építése, amelyek a hétköznapi nyelvet klinikai fogalmakhoz kötik: címkék, definíciók és szinonimák beágyazása, jelöltek lekérése, és a modellel való egyértelműsítés a kontextus alapján még az érték rögzítése előtt
• ▹A visszakeresés adatbázis-problémaként kezelése: kulcsszavas és vektoros keresés hangolása nagy biomedikai korpuszokon, a recall és a késleltetés közötti kompromisszumok megvédése
• ▹Rangsorolási és relevancia-rétegek építése, amelyek eldöntik, mi jelenik meg elsőként, szakterületi súlyozással és kontrollált leromlással, ha egy betegség kívül esik a kurált lefedettségen
• ▹A felhasználók által látott felületek megvalósítása Next.js-ben, Reactben és TypeScriptben: kérdező- és megerősítő folyamatok, eredménymegjelenítés, élő státusz hosszan futó pipeline-okhoz
• ▹Folyamatos telepítés az NIH helyszíni és nagy teljesítményű számítási (HPC) Kubernetes-környezeteibe: Helm chartok, StatefulSetek, secretek, ingress, GPU-ütemezés saját üzemeltetésű inferenciához, ütemezett feladatok, az üzemeltető csapatokkal együttműködve
• ▹Kiértékelés építése, amely megmutatja, elég jó-e a visszakeresés és a fogalomleképezés, és regressziós csomagként folyamatosan fut
• ▹A rendszer működésének és döntései okának naplózása: kérésazonosítók, késleltetés, hibák és a kiválasztott fogalom rögzítése, hogy a munkatársak felülvizsgálhassák az MI-támogatott eredményt
• ▹A kutatók, klinikusok és betegközösségek igényeinek feltárása, és lefordítása adatmodellekre, visszakeresési viselkedésre és felületi tervre
• ▹Közreműködés kéziratokban, konferencia-absztraktokban és posztereken az NIH kutatóival, szerzőként feltüntetve

Elvárások

• ▹Adattudományi, informatikai, bioinformatikai, biomedikai informatikai vagy rokon területű alapdiploma (haladó fokozat előnyben; egyenértékű szakmai tapasztalat is elfogadható)
• ▹Legalább 5 év éles szoftver- vagy adatrendszerek építése és üzemeltetése, ebből legalább 2 év olyan LLM-alapú alkalmazások szállítása (ágensek, visszakeresés vagy kiértékelés), amelyekre az emberek támaszkodnak; a visszakeresésben és az alkalmazott LLM-mérnöki munkában szerzett mélység többet számít az összes évnél
• ▹Tapasztalat végpontok közötti visszakereső rendszerek építésében: indexelés, lekérdezés-építés és a visszakeresés minőségének mérése valós adatokon
• ▹Tapasztalat olyan rendszerek kiértékelésében, amelyeknek nincs egyetlen helyes válaszuk: golden setek, offline regressziós csomagok vagy olyan metrikák, mint a Recall@K és az MRR
• ▹Tapasztalat strukturált kimenettel és tool/function callinggal: a modell típusos sémához kötése és a visszakapott adat validálása
• ▹Képesség egy szolgáltatást a sématervezéstől az üzemeltetésig végigvinni
• ▹Képesség Public Trust biztonsági ellenőrzés megszerzésére és fenntartására
• ▹Python FastAPI-val, Pydantickal és pytesttel
• ▹PostgreSQL mélyen: vektorkeresés (pgvector vagy egyenértékű), teljes szöveges keresés, beágyazási pipeline-ok, indexelés, lekérdezés-hangolás
• ▹LLM-alkalmazásfejlesztés: szolgáltatói API-k és gatewayek, prompt- és kontextustervezés, strukturált generálás, tool use
• ▹Ismételhető frissítési úttal rendelkező adatbetöltő és átalakító pipeline-ok
• ▹Konténerek és Kubernetes: elég a szolgáltatás szállításához, hibakereséséhez és üzemeltetéséhez olyan infrastruktúrán, amelyet nem te adminisztrálsz
• ▹Kényelmes használat Next.js-ben, Reactben és TypeScriptben
• ▹Git-alapú együttműködés és CI/CD közös kódbázison

Előny

• ▹Biomedikai ontológiák és kontrollált szótárak (MONDO, HPO, UMLS, MeSH és más OBO Foundry erőforrások) ismerete, fogalomhierarchiák, szinonimák és kereszthivatkozások kezelése
• ▹Modellkimenet szakterületi terminológiához kötése beágyazásalapú visszakeresés és modellalapú egyértelműsítés útján (entity linking, fogalom-normalizálás, ontológia-illesztés)
• ▹Helm, telepítés helyszíni vagy HPC Kubernetes-környezetekbe
• ▹Nyílt súlyú modellek éles kiszolgálása Ollamával vagy vLLM-mel gateway (például LiteLLM) mögött, szakterületi beágyazási modellek (például MedCPT) használata
• ▹Háttér a ritka betegségek, a klinikai genetika vagy a transzlációs kutatás területén
• ▹Hozzájárulás nyílt biomedikai erőforráshoz, szabványhoz vagy konzorciumhoz (például OBO Foundry ontológiák, GA4GH)
• ▹Publikált vagy előadott munka, amely a mérnöki munkát a nem építőknek is érthetően elmagyarázza (szakmai cikkek, konferencia-előadások, preprintek, technikai blogbejegyzések, nyílt forráskódú hozzájárulások)
• ▹Korábbi vagy jelenlegi NIH-tapasztalat

Soft skillek

Amit kínálunk

• ▹100%-ban fizetett orvosi, fogászati és látásbiztosítás a munkavállalónak
• ▹Fizetett szabadság és fizetett ünnepnapok
• ▹401K-hozzájárulás legfeljebb 5%-ig
• ▹Továbbképzési juttatások a karrierfejlődéshez
• ▹Munkatárs-ajánlási bónusz
• ▹Rugalmas költési számlák: egészségügyi (FSA), parkolási (PRK), eltartottgondozási (DCAP) és közlekedési (TRN)
• ▹Alapbér 130 000 – 150 000 USD a tapasztalattól, képesítéstől, készségektől és helytől függően

A munkáltatóról

Az Axle bioszcience- és információtechnológiai cég, amely transzlációs kutatási, biomedikai informatikai és adattudományi megoldásokat kínál kutatóközpontoknak és egészségügyi szervezeteknek, köztük az Egyesült Államok Nemzeti Egészségügyi Intézeteinek (NIH) több intézetének.