jobber

申请人

主要工作：临床数据认知智能。
核心问题：从原始文本中，抽取或识别出”信息”或者概念。
最容易提取的例子：是否发烧、化疗用药，在文本中都有描述，根据实体和关系可以提取；
更抽象一层，例如疾病分期、病灶位置，需要结合多条线索推断。
最抽象的：比如首要诊断，定义是“本次就诊对病人威胁最大的疾病”，比如有可能因分娩就诊，而在过程中发现难产必须手术，那么首要诊断应该是“难产”。

原始文本只能让人看懂。要做批量、大规模的处理，必须经过算法理解，映射成“可分析的模式”。这个过程类似：把原油转化成汽油，以及发电。

要求：
1、自然语言处理专业应届硕士以上，或本科有1年以上语法分析、句法分析、问答系统，机器翻译、阅读理解、文本生成等研究或产品开发经验。
2. 扎实的编程基础，至少精通一种编程语言，如C/C++，python等；
3. 熟悉深度学习以及常见机器学习算法的原理与算法。掌握常见模型如transformer，BERT，并有实际项目经验。
5. 有强烈求知欲，对将技术应用于解决行业问题有强烈热情；
6. 具有良好的数学基础，良好的英语阅读能力；
7. 有团队意识，与他人合作良好，最好具有团队管理的经验；

公司由三位北大“老学生”联合创建，分别来自医疗信息行业、互联网行业（计算广告奠基人）、生物统计博士。公司已达100人，成立五年，目前正在快速扩张。公司定位：医学数据智能。发展模式：通过建设数据平台铺入大型医院或者医院联盟，结成数据网。最核心的业务就是把不可分析的原始临床病历治理、转化、识别成可分析的各种数据模板，应用于保险、科研、制药临床研究，并以此盈利。