Johnson & Johnson
Johnson & Johnson
Johnson & Johnson er en global sundhedsvirksomhed, der arbejder inden for lægemidler, medicinsk udstyr og forbrugerprodukter til sundhed. Virksomhedens forskning og produktudvikling omfatter lægemidler og behandlinger inden for onkologi, immunologi, neurovidenskab samt hjerte- og lungesygdomme, foruden MedTech-løsninger til hjerte-kar-behandling, ortopædi, kirurgi og synspleje. Virksomhedens bredere aktiviteter omfatter også undervisning i sundhed og velvære, storskalaproduktion, investoraktiviteter og globale initiativer med social indvirkning, hvilket skaber muligheder inden for videnskabelige, kliniske, tekniske, produktionsrelaterede, kommercielle og virksomhedsomfattende funktioner.

Principal scientist inden for datavidenskab og videnskabelige dataprodukter

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.

Beskrivelse

  • Lede design og videreudvikling af videnskabelige dataprodukter og integrationsstrategier til AI-understøttet lægemiddelopdagelse og -udvikling.
  • Udvikle interoperable, AI-klare dataprodukter, der forbinder data fra opdagelse, præklinisk og klinisk forskning, sikkerhed samt evidens fra den virkelige verden.
  • Fastlægge dataarkitektur, integration, metadata og produktudviklingstilgange til vidensgrafer, GraphRAG, semantisk ræsonnering, avanceret analyse og agentisk AI.
  • Lede strategien for dataprodukter på tværs af opdagelsesforskning, translationel videnskab, præklinisk sikkerhed, klinisk udvikling, lægemiddelovervågning og evidens fra den virkelige verden.
  • Skabe genanvendelige dataprodukter til analyse, AI, vidensgrafer og videnskabelig ræsonnering.
  • Udvikle produktplaner, der understøtter organisationens prioriteter og videnskabelige mål.
  • Udforme rammer for integration og harmonisering af SEND, SDTM, ADaM, MedDRA, billeddata, omikdata, biomarkører, patologi og data fra den virkelige verden.
  • Planlægge implementeringen af videnskabelige dataprodukter på AWS.
  • Samarbejde med Amazons ingeniør- og platformsteams om at levere skalerbare datapipelines og dataprodukter.
  • Yde teknisk lederskab og arkitektonisk vejledning i overensstemmelse med anbefalingerne fra Data Strategy.
  • Sikre, at digitale løsninger imødekommer behov inden for virksomhedsarkitektur, sikkerhed, governance og AI-parathed.
  • Lede udviklingen af kuraterede datasæt, semantikklare produkter, feature stores, metadataprodukter, videnskabelige datatjenester og AI-klare aktiver.
  • Fastlægge genanvendelige metoder til onboarding, transformation, validering og publicering af data.
  • Definere metadatastandarder og rammer for datakvalitet.
  • Anvende principper for dataoprindelse, proveniens, sporbarhed og FAIR-data.
  • Fastlægge overvågning og kvalitetskontroller for videnskabelige dataprodukter.
  • Udvikle prædiktive AI- og maskinlæringsmodeller til beslutninger om translationel sikkerhed.
  • Samarbejde med forskere inden for opdagelse, toksikologi, klinik, sikkerhed og data samt med samarbejdspartnere fra Data Strategy, vidensarkitekter og AI-ingeniører.
  • Omsætte 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 område.
  • Mindst fem års erfaring med videnskabelig data engineering, dataarkitektur, dataprodukter eller informatik inden for life science.
  • Dokumenteret 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 prædiktiv modellering.
  • Erfaring med AWS-dataplatforme, datalakes og lakehouses, distribueret databehandling, API'er og datatjenester samt værktøjer til datakatalogisering og dataoprindelse.
  • Stort kendskab til SEND, SDTM, ADaM og MedDRA.
  • Kendskab til FHIR, OMOP, DICOM samt standarder for biomarkør- og omikdata er en fordel.
  • Erfaring med vidensgrafer, semantiske arkitekturer eller GraphRAG-initiativer er en fordel.
  • Erfaring med at bygge AI-klare dataprodukter og feature stores er en fordel.
  • Kendskab til ontologibaserede metoder til dataintegration.
  • Erfaring med at arbejde med cloududbydere eller eksterne platformsteams.
  • Erfaring fra videnskabelige miljøer med omfattende regulatoriske krav.
  • Strategisk tænkning og evne til at forme langsigtede produktplaner for data.
  • Evne til at forbinde videnskabelige og tekniske teams og påvirke tværfunktionelle grupper uden direkte ledelsesmandat.
  • Stærke evner til at føre planer ud i livet og fokus på skalerbare, genanvendelige løsninger.

Fordele

  • Pensionsordning.
  • 401(k)-opsparingsordning.
  • Langsigtet incitamentsprogram.
  • 120 timers ferie pr. kalenderår.
  • 40 timers sygefravær pr. kalenderår; 48 timer for personer bosat i Colorado og 56 timer for personer bosat i Washington.
  • Betaling for helligdage, herunder 13 valgfrie helligdage pr. kalenderår.
  • Op til 40 timer pr. kalenderår til arbejde, personlige forhold og familietid.
  • 480 timers forældreorlov inden for et år efter et barns fødsel, adoption eller anbringelse i plejefamilie.
  • Sorgorlov: 240 timer pr. kalenderår ved dødsfald i den nærmeste familie eller 40 timer ved dødsfald i den udvidede familie.
  • Orlov til omsorgspersoner: 80 timer i en løbende periode på 52 uger; kilden angiver også 10 dage.
  • 32 timers frivilligorlov pr. kalenderår.
  • 80 timers frihed pr. kalenderår for ægtefæller til militærpersonale.
  • Tilpasninger under jobsamtaleforløbet.
  • Hybrid arbejdsordning.

Relaterede job

Johnson & Johnson

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

Johnson & Johnson

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.

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