PostEra
PostEra
PostEra ist ein Biotechnologie- und Unternehmen für künstliche Intelligenz, das sich darauf konzentriert, die Entdeckung neuer Medikamente zu verbessern. Die Proton-Plattform nutzt maschinelles Lernen für die medizinische Chemie und unterstützt Forschende dabei, komplexe Herausforderungen in der Wirkstoffforschung zu bewältigen und die Entwicklung potenzieller Therapien zu beschleunigen. Das 2020 gegründete Unternehmen PostEra arbeitet mit Pharmaunternehmen wie Pfizer und Amgen an KI-gestützten Ansätzen für die Arzneimittelentwicklung.

Machine-Learning-Forscher:in, Agentic Science bei PostEra (Remote)

PostEra sucht eine:n Machine-Learning-Forscher:in zum Aufbau agentischer Systeme und adaptiver Modelle für KI-gestützte Biotechnologie. Die Position wendet rechnergestützte Methoden auf medizinische Chemie und Wirkstoffforschung an.

Beschreibung

  • Baue PostEras agentische Forschungsfunktion auf, indem du die mechanistische Modellierung biochemischer und physiologischer Prozesse automatisierst
  • Analysiere biologische Daten zur Validierung von Zielstrukturen und unterstütze Entscheidungen in der Wirkstoffforschung mit Machine-Learning-Modellen
  • Entwickle Machine-Learning-Methoden, die sich an neue Herausforderungen der Wirkstoffforschung mit begrenzten gelabelten Daten anpassen
  • Entwickle molekulare und tabellarische In-Context-Learning-Systeme sowie Foundation-Modelle mit proprietären multimodalen Daten
  • Bewerte relevante frühere Beispiele und Aufgaben, ermittle, wann Transfer hilft oder schadet, und liefere zuverlässige Vorhersagen bei Verteilungsverschiebungen
  • Definiere Aufgaben, erstelle Datensätze und Evaluierungsepisoden, etabliere Baselines, trainiere und skaliere Modelle, führe rigorose Ablationen durch und überführe wirksame Methoden in wissenschaftliche Fähigkeiten
  • Entwickle und benchmarke agentische Systeme für die quantitative biologische und physiologische Modellierung
  • Leite eigenständige Forschungsprojekte zu In-Context Learning, agentischen Systemen, Few-Shot-Anpassung, tabellarischen Foundation-Modellen und molekularem Machine Learning
  • Entwirf und trainiere Modelle, die sich an neue Assays, Endpunkte, Zielstrukturen und chemische Reihen anpassen
  • Bewerte Methoden anhand starker Baselines und erstelle Testfälle, die die Sensitivität gegenüber Verzerrungen berücksichtigen
  • Arbeite mit Wissenschaftler:innen an Potenzmodellierung, ADME-Vorhersage, Selektivität, Leitstrukturoptimierung und der Planung früher klinischer Studien
  • Baue effiziente Trainings- und Datenpipelines auf und skaliere Modelle für molekulare und tabellarische Probleme
  • Schreibe lesbaren, reproduzierbaren Forschungscode, dokumentiere Experimente und unterstütze Code-Reviews sowie eine gemeinsam genutzte Modellierungsinfrastruktur
  • Veröffentliche Ergebnisse in führenden Fachzeitschriften und auf führenden Konferenzen für Machine Learning, medizinische Chemie oder computergestützte Biologie und vertrete PostEra in der wissenschaftlichen Gemeinschaft

Anforderungen

  • Promotion in Machine Learning oder einem naturwissenschaftlich-technischen Forschungsgebiet mit Schwerpunkt auf der Entwicklung neuartiger Machine-Learning-Methoden
  • Nachweis hochwertiger Forschung durch Publikationen, Open-Source-Beiträge oder vergleichbare Arbeiten
  • Fundierte Forschungs- oder Engineering-Erfahrung in modernem Machine Learning, Deep Learning oder statistischer Modellierung sowie ein solides Verständnis der algorithmischen Theorie
  • Expertise in mindestens einem relevanten Bereich, darunter agentische wissenschaftliche Workflows, Machine Learning für Bioinformatik oder klinische Daten, In-Context Learning, tabellarisches Lernen oder Few-Shot Learning
  • Praktische Erfahrung mit dem Training, Debugging und der Evaluierung von Machine-Learning-Modellen in Python mit Frameworks wie PyTorch oder JAX
  • Fähigkeit, unklare wissenschaftliche oder technische Fragen in klar definierte Machine-Learning-Projekte mit Datensätzen, Aufgaben, Baselines, Metriken und Validierungsplänen zu überführen
  • Fähigkeit, rigorose Experimente, Benchmarks und Ablationen zu entwerfen, die echte Verbesserungen von Verzerrungen trennen und die Ursachen von Modellverbesserungen identifizieren
  • Bereitschaft, in einem Startup zu arbeiten, in dem sich Prioritäten ändern können, Daten möglicherweise unvollkommen sind und gutes Urteilsvermögen ebenso wichtig ist wie Modellkomplexität
  • Erfahrung in der Wirkstoffforschung ist nicht erforderlich
  • Von Vorteil: Erfahrung mit dem Training tabellarischer Foundation-Modelle für spärliche, heterogene, datenarme Szenarien oder Szenarien mit vielen fehlenden Werten
  • Von Vorteil: Erfahrung mit der Entwicklung molekularer In-Context-Learning-Systeme oder der Anpassung allgemeiner In-Context-Modelle an molekulare oder wissenschaftliche Daten
  • Von Vorteil: Erfahrung mit dem Training großer Modelle, einschließlich Systemen mit mehr als 1 Milliarde Parametern, verteiltem Training, Sharding, Daten- und Modellparallelisierung sowie groß angelegten Datenpipelines
  • Von Vorteil: Erfahrung mit der Entwicklung von KI-Kowissenschaftler-Systemen für physikalische oder biologische Probleme
  • Von Vorteil: praktische Machine-Learning-Erfahrung mit biologischen, biochemischen oder klinischen Daten
  • Von Vorteil: Erfahrung mit der Überführung von Forschungsmodellen in wissenschaftliche Produktionssoftware oder computergestützte Workflows

Zusatzleistungen

  • Beteiligung in Form von 0,05 % bis 0,1 % Eigenkapital
  • Vergütung wird anteilig angepasst
  • Anerkennung innerhalb der Organisation
  • Möglichkeiten für eine bedeutungsvolle Beförderung

Ähnliche Stellen

Reed

Executive Coach – Cambridge (hybrid)

Reed

Begleiten Sie arbeitslose Fach- und Führungskräfte durch Trainings zur Beschäftigungsfähigkeit, Karriereplanung und Arbeitgeberkontakte, damit sie nachhaltige Arbeit finden. Reed in Partnership erbringt öffentliche Dienstleistungen, die Menschen dabei unterstützen, ihr Leben zu verändern.

Öffnen
General Dynamics Information Technology

Praktikum Projektmanagement und Businessanalyse Sommer 2027

General Dynamics Information Technology

Starte bei GDIT als bezahlte:r Business-Analyst-Praktikant:in und nutze Daten und Kennzahlen zur Bewertung von Prozessen und Geschäftsentscheidungen. Unterstütze die Entwicklung technischer Lösungen für Kunden aus Verwaltung, Verteidigung und Nachrichtendiensten.

Öffnen
Trinidad Benham

IT-Businessanalyst III, Anwendungssupport

Trinidad Benham

Verantwortung für ERP- und Geschäftsanwendungsanalyse, Tests, Implementierung und Support beim mitarbeitergeführten Unternehmen Trinidad Benham. Zusammenarbeit mit den Teams aus Betrieb, Finanzen und Lieferkette zur Verbesserung von Geschäftsabläufen.

Öffnen
RELX

Business Analyst I, remote (USA)

RELX

Unterstütze die VitalIQ-Technologieprodukte für Behörden von LexisNexis Risk Solutions, indem du Anforderungen erfasst, Abläufe dokumentierst und Anwendungsfunktionen testest. Diese Einstiegsposition kann von überall in den Vereinigten Staaten ausgeübt werden.

Öffnen
Universities of Wisconsin

Business-Analyst für Studienfinanzierung, PeopleSoft

Universities of Wisconsin

Konfiguration und Betreuung der PeopleSoft-Systeme für Studienfinanzierung an der University of Wisconsin–Green Bay, einschließlich Compliance, Berichterstattung und Fehlerbehebung. Ein Team führen, Prozesse verbessern und mit Ansprechpartnern auf dem Campus zusammenarbeiten.

Öffnen
Metronet

Manager für Community Development, Florida (Remote)

Metronet

Erweitern Sie Metronets Glasfasernetz für Privathaushalte durch Partnerschaften mit Projektentwicklern, Bauunternehmen, Hauseigentümergemeinschaften und Versorgungsbetrieben. Schließen Sie Vereinbarungen für Bauvorhaben ab und fördern Sie das Umsatzwachstum in mehreren Märkten.

Öffnen