Otsuka Pharmaceutical Companies (U.S.) samler medicinalvirksomheder, der fokuserer på at fremme sundhedsplejen gennem kommercialisering af produkter og klinisk udvikling. Otsuka America Pharmaceutical, Inc. kommercialiserer lægemidler, der er udviklet af Otsuka eller indlicenseret af virksomheden, i Nordamerika, mens Otsuka Pharmaceutical Development & Commercialization, Inc. står for klinisk udvikling og global registrering af innovative sundhedsprodukter med særlig ekspertise inden for neurovidenskab. Tilsammen arbejder organisationerne inden for lægemidler, sundhedspleje og bioteknologi med fokus på at udvikle løsninger, der understøtter bedre sundhed.
Associeret direktør, AI og datavidenskab – Otsuka, New Jersey, fjernarbejde
Led udviklingen af AI-, maskinlærings- og agentbaserede løsninger for Otsukas farmaceutiske forskning og udvikling. Form virksomhedens AI-produktstrategi, implementering og tværfunktionelle transformation.
Beskrivelse
- Skab visioner og køreplaner for AI-produkter, der afspejler forretningsprioriteter, teknologisk udvikling og markedsforhold
- Frem datavidenskabs- og AI-porteføljens mål, samtidig med at du understøtter data- og analysestrategier for forskning og udvikling
- Byg, træn, finjuster, valider og evaluer AI- og maskinlæringsmodeller til virksomhedens behov
- Lever AI-systemer på virksomhedsniveau ved hjælp af prompt engineering, embeddings, finjustering, store sprogmodeller og generativ AI
- Gennemfør proof-of-concept-initiativer og skab AI-applikationer, der styrker analyser og fremskynder lægemiddeludvikling
- Følg produktets resultater gennem dataanalyse og KPI'er, og brug resultaterne som grundlag for beslutninger
- Udvikl AI-løsninger baseret på data fra farmaceutisk forskning og udvikling, lægemiddeludvikling, kliniske forsøg og ekstern sundhedspleje
- Skab brugerfokuserede AI-produkter, der opbygger tillid, fremmer anvendelse og muliggør organisatorisk transformation
- Rådgiv om AI-økosystemer, platforme, rammeværk, arkitekturer og nye tekniske muligheder
- Støt udviklere, teknisk personale og leverandører med vejledning om AI-koncepter og implementering
- Design, byg og implementer agentbaserede AI-systemer med perception, planlægning, ræsonnering, orkestrering, eksekvering og refleksion
- Administrer AI-løsningers livscyklusser og opdateringer gennem MLOps- og LLMOps-praksisser og -værktøjer
- Led initiativer for AI-anvendelse, kompetenceudvikling, forandringsledelse og ansvarlig anvendelse
- Vurder anvendelsesområder for AI og maskinlæring op mod gældende retningslinjer, rammeværk, platforms komponenter og standarder for ansvarlig AI
- Skab genanvendelige data- og AI-komponenter, og frem skalérbar genanvendelse på tværs af funktioner
- Led tværfunktionelle grupper med tekniske, delvist tekniske og forretningsmæssige interessenter
- Rapportér AI-fremskridt, resultater, effekt, begrænsninger og risici til interessenter
- Samarbejd med interne funktioner og eksterne partnere om at udforme, bygge og samskabe AI- og maskinlæringskapaciteter
- Koordiner med juridiske, privatlivs- og etikteams om bias, retfærdighed, gennemsigtighed og databeskyttelse
- Arbejd effektivt gennem iterativ eksperimentering, samtidig med at du navigerer i uklarhed i udviklingen af AI-produkter
Krav
- Kandidatgrad inden for datavidenskab, computerteknik, datalogi, fysik, statistik, informationssystemer eller et beslægtet område med fokus på avanceret datavidenskab, AI og maskinlæring
- Ekspertise i at bruge data fra den virkelige verden til at skabe videnskabelig evidens og forbedre den operationelle effektivitet
- Avanceret viden om datateknik, datarepræsentation, generativ AI, kunstig intelligens og metoder inden for maskinlæring
- Erfaring med at designe arkitekturer og levere anvendelsesområder for AI og maskinlæring
- Baggrund i udvikling af AI-produkter, der kombinerer AI, datavidenskab og maskinlæring
- Indgående forståelse af AI- og maskinlæringsanvendelser i medicinalindustrien
- Erfaring med Dataiku Data Science Studio, Snowflake, AWS SageMaker eller sammenlignelige datavidenskabsplatforme
- Viden om integration af maskinlærings- og AI-teknologier med datapipelines inden for datateknik
- Stærkt kendskab til softwareudviklingslivscyklussen og datavidenskabens udviklingslivscyklus, herunder CRISP
- Kendskab til test- og valideringspraksis i GxP- og ikke-GxP-miljøer
- Erfaring med udvikling af software eller produkter baseret på AI og maskinlæring
- Kendskab til principper for test, validering og GxP-validering
- Erfaring med at designe, bygge og vedligeholde storskala data- og AI-løsninger i videnskabelige, regulerede eller forskningsintensive miljøer
- Erfaring fra medicinalindustrien, bioteknologi eller biovidenskab – især inden for lægemiddeludvikling, kliniske forsøg eller forskning og udvikling – er en klar fordel
- Dokumenteret succes med at sætte generativ AI og applikationer baseret på store sprogmodeller i produktion
- Erfaring med at bruge data om erstatningskrav, kliniske forsøg, regulering, kvalitet og anden drift inden for biovidenskab
- Dokumenteret erfaring med at levere proof-of-concept og produktionsklare applikationer inden for AI, maskinlæring, generativ AI og store sprogmodeller
- Forståelse for udfordringer inden for dataindsamling, datastyring og datastrukturering, der påvirker AI-resultater
- Fremragende kommunikations- og interessenthåndteringsevner
- Stærke kompetencer inden for tværfunktionelt samarbejde og projektledelse
Fordele
- Mulighed for at optjene incitamentsbaseret aflønning
- Dækning af læge-, tandlæge-, syns- og receptpligtig medicin
- Arbejdsgiverbetalt grundlæggende livsforsikring
- Forsikring ved ulykkestilfælde, dødsfald og lemlæstelse
- Dækning ved kort- og langvarig invaliditet
- Refusion af studieafgifter
- Hjælp til studielån
- Generøst arbejdsgiverbidrag til 401(k)
- Fleksibel frihed
- Betalte helligdage
- Betalte orlovsordninger
- Yderligere arbejdsgiverbetalte ydelser