Roche е глобална здравна компания, която съчетава фармацевтични изследвания и разработки с диагностични изследвания и дигитално здравеопазване. Дейността ѝ е насочена към подобряване на резултатите за пациентите чрез по-ранно откриване, по-целенасочено лечение и научно обосновани иновации, включително инструменти, базирани на изкуствен интелект. Компанията разработва решения за сложни заболявания като рак и неврологични състояния, като работи със здравни системи, изследователски партньори и други заинтересовани страни по целия свят.
Старши учен по машинно обучение, планиране и оптимизация на синтеза
Разработвайте модели за машинно обучение за молекулярен дизайн, съобразен със синтеза, включително планиране, генериране и оптимизация. Изграждайте автоматизирани работни процеси за синтез, подкрепящи изследванията на Roche за откриване на лекарства чрез изкуствен интелект.
Съединени щати
Калифорния
Ню Йорк147 600 $ – 274 000 $ / година
На мястоПълен работен денСтаршиЗадължителен Език: английскиИнженер по машинно обучениеОписание
- Усъвършенствайте методи за машинно обучение за молекулярен дизайн, съобразен със синтеза, включително ретросинтез, планиране на синтеза, генериране на молекули и търсене в химични пространства от синтезируеми съединения.
- Комбинирайте собствени данни за реакции и биохимични данни, за да създавате модели и работни процеси, съобразени със синтеза, за откриване и оптимизация на хитови съединения.
- Разработвайте надеждни и мащабируеми конвейери за активно обучение, свързани с автоматизирани платформи за синтез и платформи за високопроизводителен синтез.
- Създавайте алгоритми за пакетно планиране на синтеза, които подобряват покритието на химичното пространство, информационната полза и експерименталната ефективност.
- Допринасяйте за научния напредък чрез публикации, проекти с отворен код и презентации на конференции.
- Партнирайте си с изчислителни и експериментални учени в Roche и с външни академични сътрудници.
- Разработвайте подходи за машинно обучение, които генерират синтезируеми молекули и свързват генеративния дизайн с автоматизиран синтез.
Изисквания
- Задълбочени познания по машинно обучение, основани на линейна алгебра, вероятности и оптимизация.
- Практически опит с графови невронни мрежи, модели за последователности или езикови модели и обучение с подсилване.
- Работни познания по химичните концепции, използвани при планиране на синтеза и оптимизация на молекули.
- Опит с набори от данни за малки молекули и използване на хемоинформатични инструменти като RDKit или OpenEye.
- Отлично владеене на Python.
- Опит със съвременни рамки за машинно обучение, включително PyTorch или JAX.
- Опит в разработването на научен софтуер.
- Докторска степен или сравним изследователски опит в областта на машинното обучение, изчислителната химия, химичното инженерство, физиката, статистиката или сродна количествена дисциплина.
- До две години индустриален изследователски опит за ниво Scientist или повече от две години за ниво Senior Scientist.
- Доказателства за научни постижения чрез публикации в списания или конференции или публично портфолио от релевантна работа.
- Предимство: опит в разработването на модели за ретросинтез или планиране на синтеза.
- Предимство: опит с автоматизиран или високопроизводителен синтез.
Придобивки
- Може да бъде предложен дискреционен годишен бонус въз основа на индивидуалното представяне и представянето на Дружеството.
- Придобивките са описани на посочената връзка.