Johnson & Johnson
Johnson & Johnson
Johnson & Johnson er en global sundhedsvirksomhed, der arbejder med innovativ medicin og medicinsk teknologi. Virksomhedens teams udvikler løsninger inden for onkologi, immunologi, neurovidenskab, specialiseret oftalmologi, interventionel behandling og ortopædi, hvor videnskab og teknologi kombineres for at imødekomme komplekse sundhedsbehov. Virksomheden lægger også vægt på lighed i sundhed, miljømæssig bæredygtighed samt mangfoldighed og inklusion i arbejdet for sundhedspersonale, patienter og lokalsamfund verden over.

Ledende forsker i datavidenskab – dataprodukter og integration (hybrid, Spring House)

Led udviklingen af AI-klare videnskabelige dataprodukter og integrationsstrategier til Johnson & Johnsons arbejde med lægemiddelopdagelse og -udvikling. Understøt prædiktiv modellering, vidensgrafer og beslutninger om translationel sikkerhed.

Beskrivelse

  • Led design og videreudvikling af videnskabelige dataprodukter og integrationsstrategier til AI-understøttet lægemiddelopdagelse og -udvikling.
  • Byg skalerbare, interoperable og AI-klare dataprodukter på tværs af opdagelse, præklinisk og klinisk forskning, sikkerhed og evidens fra den virkelige verden.
  • Fastlæg dataarkitektur, integration, metadata og produktificering til semantisk ræsonnering, vidensgrafer, GraphRAG, avanceret analyse og agentisk AI.
  • Udvikl AI-ræsonnering og prædiktive maskinlæringsmodeller til at informere beslutninger om translationel sikkerhed.
  • Fastlæg og gennemfør strategier for dataprodukter inden for opdagelsesforskning, translationel videnskab, præklinisk sikkerhed, klinisk udvikling, lægemiddelovervågning og evidens fra den virkelige verden.
  • Skab genanvendelige dataprodukter, køreplaner og skalerbare mønstre til analyse, AI, vidensgrafer og videnskabelig ræsonnering.
  • Design integrations- og harmoniseringstilgange til SEND, SDTM, ADaM, MedDRA, billeddata, omikdata, biomarkører, patologi og data fra den virkelige verden.
  • Fastlæg strategier for implementering af videnskabelige dataprodukter på AWS.
  • Samarbejd med Amazons ingeniør- og platformteams om at levere skalerbare datapipelines og produkter.
  • Yd teknisk ledelse og arkitektonisk tilsyn med udgangspunkt i anbefalinger fra Data Strategy.
  • Sørg for, at digitale løsninger opfylder krav til virksomhedsarkitektur, sikkerhed, governance og AI-parathed.
  • Led udviklingen af kuraterede datasæt, semantikklare produkter, feature stores, metadataprodukter, videnskabelige datatjenester og AI-klare aktiver.
  • Fastlæg genanvendelige metoder til onboarding, transformation, validering og publicering af data.
  • Definer metadatastandarder og rammer for datakvalitet.
  • Implementer dataafstamning, proveniens, sporbarhed, FAIR-principper, overvågning og kvalitetskontroller.
  • Samarbejd med forskere inden for opdagelse, toksikologi, klinik, sikkerhed og data samt partnere fra Data Strategy, vidensarkitekter og AI-ingeniører.
  • Omsæt videnskabelige spørgsmål til skalerbare dataprodukter og tekniske løsninger.

Krav

  • Kandidatgrad eller ph.d. i datalogi, data engineering, bioinformatik, biomedicinsk informatik, informationssystemer, beregningsbiologi eller et beslægtet videnskabeligt fagområde.
  • Mindst fem års erfaring med videnskabelig data engineering, dataarkitektur, dataprodukter eller informatik inden for life science.
  • Erfaring med at designe og levere videnskabelige dataprodukter i virksomhedsskala.
  • Erfaring med at understøtte organisationer inden for lægemiddelopdagelse, -udvikling, klinisk forskning eller lægemiddelovervågning.
  • Erfaring med at udvikle prædiktive modeller til organisationer inden for lægemiddelopdagelse, -udvikling, klinisk forskning eller lægemiddelovervågning.
  • Stærke kompetencer inden for dataarkitektur og modellering, design af dataprodukter, cloud-native platforme, metadatastyring, datagovernance og udvikling af prædiktive modeller.
  • Erfaring med AWS-dataplatforme, datalakes og lakehouse-løsninger, distribueret behandling, API'er og datatjenester samt værktøjer til datakatalogisering og dataafstamning.
  • Godt kendskab til SEND, SDTM, ADaM og MedDRA.
  • Kendskab til FHIR, OMOP, DICOM og standarder for biomarkør- og omikdata er en fordel.
  • Erfaring med vidensgrafer, semantiske arkitekturer, GraphRAG, AI-klare dataprodukter, feature stores, ontologibaseret integration, cloududbydere eller eksterne platformteams og regulerede videnskabelige miljøer er en fordel.
  • Evne til at fastlægge langsigtede køreplaner for dataprodukter.
  • Evne til at forbinde videnskabelige og tekniske teams og påvirke tværfunktionelle grupper uden direkte mandat.

Fordele

  • Pensionsordning.
  • 401(k)-opsparingsordning.
  • Program for langsigtede incitamenter.
  • 120 timers ferie pr. kalenderår.
  • 40 timers sygefravær pr. kalenderår; 48 timer for medarbejdere i Colorado og 56 timer for medarbejdere i Washington.
  • 13 betalte helligdage pr. kalenderår, inklusive flydende helligdage.
  • Op til 40 timer pr. kalenderår til arbejde samt personlig tid og familietid.
  • 480 timers forældreorlov inden for ét år efter et barns fødsel, adoption eller anbringelse i familiepleje.
  • Sorgorlov pr. kalenderår: 240 timer ved dødsfald i nærmeste familie eller 40 timer ved dødsfald i udvidet familie.
  • 80 timers omsorgsorlov i en rullende periode på 52 uger.
  • 32 timers frivilligorlov pr. kalenderår.
  • 80 timers frihed for militære ægtefæller pr. kalenderår.
  • Inkluderende tilpasninger til jobsamtaler for ansøgere med handicap.

Relaterede job

Johnson & Johnson

Principal scientist inden for datavidenskab og videnskabelige dataprodukter

Johnson & Johnson

Lede udviklingen af AI-klare videnskabelige dataprodukter til Johnson & Johnsons arbejde med lægemiddelopdagelse og -udvikling. Rollen omfatter AWS-integration, prædiktiv modellering, metadata og videnskabelig dataarkitektur.

Åbn
Johnson & Johnson

Direktør for datavidenskab inden for generativ AI til neurovidenskab

Johnson & Johnson

Led initiativer inden for generativ og agentbaseret AI på tværs af Johnson & Johnsons forskning og udvikling inden for neurovidenskab. Byg videnskabelige platforme, der fremskynder lægemiddeludvikling og understøtter bedre patientresultater.

Åbn