Xenon Seven
Xenon Seven
Η Xenon Seven παρέχει συμβουλευτικές υπηρεσίες τεχνητής νοημοσύνης και δεδομένων σε οργανισμούς στους κλάδους της υγειονομικής περίθαλψης, των χρηματοοικονομικών υπηρεσιών, του λιανικού εμπορίου, της τεχνολογίας, της αυτοκινητοβιομηχανίας, της ενέργειας και της μεταποίησης. Το έργο της καλύπτει τη γενετική τεχνητή νοημοσύνη, την προγνωστική ανάλυση, την υπολογιστική όραση, τη ρομποτική και την υποστήριξη αποφάσεων, βοηθώντας τις ομάδες να αξιολογούν ευκαιρίες, να αναπτύσσουν και να επεκτείνουν δυνατότητες τεχνητής νοημοσύνης και να βελτιώνουν την υποδομή που τις υποστηρίζει. Η εταιρεία αξιοποιεί ένα δίκτυο ειδικών στην τεχνητή νοημοσύνη από περισσότερα από 20 ιδρύματα και δίνει έμφαση στην ασφαλή υλοποίηση και την αξιόπιστη μετάβαση σε λειτουργίες με υποστήριξη τεχνητής νοημοσύνης.

Επιστήμονας κλινικών δεδομένων, ψηφιακά δίδυμα και κλινικές δοκιμές

Αναπτύσσει ψηφιακά δίδυμα και προσομοιώσεις για τον σχεδιασμό φαρμακευτικών κλινικών δοκιμών. Συνδυάζει κλινικά δεδομένα με τεχνητή νοημοσύνη και μηχανική μάθηση για αποφάσεις ανάπτυξης βασισμένες σε τεκμήρια.

Περιγραφή

  • Καθοδήγηση της ανάπτυξης και αξιολόγησης ψηφιακών διδύμων ασθενών, νόσων, ανταπόκρισης στη θεραπεία και κλινικών δοκιμών, με χρήση δεδομένων κλινικών δοκιμών και σχετικών εξωτερικών δεδομένων.
  • Εφαρμογή μηχανιστικών, στατιστικών και αιτιωδών μεθόδων, καθώς και μεθόδων μηχανικής μάθησης, για τη δημιουργία ψηφιακών διδύμων εναλλακτικών πληθυσμών, παρεμβάσεων, στρατηγικών δοσολογίας, τελικών σημείων και σχεδιασμών δοκιμών.
  • Καθορισμός περιπτώσεων χρήσης και του τρόπου αξιοποίησης των ψηφιακών διδύμων σε συνεργασία με κλινικούς και ποσοτικούς ειδικούς.
  • Αξιολόγηση της βαθμονόμησης, της επικύρωσης, της ανθεκτικότητας, της δυνατότητας μεταφοράς, της αβεβαιότητας και της πρακτικής συνάφειας των μοντέλων μέσω εσωτερικών και εξωτερικών στρατηγικών.
  • Δημιουργία αναπαραγώγιμων ροών εργασίας και επαναχρησιμοποιήσιμων στοιχείων ψηφιακών διδύμων σε διάφορα προγράμματα και θεραπευτικούς τομείς.
  • Συνεργασία με ομάδες δοκιμών για την αξιολόγηση πληθυσμών-στόχων, κριτηρίων επιλεξιμότητας, στρατηγικών εμπλουτισμού, ομάδων σύγκρισης, τελικών σημείων, χρονοδιαγραμμάτων επισκέψεων, στρατηγικών δοσολογίας και λειτουργικών συμβιβασμών.
  • Χρήση ψηφιακών διδύμων και προσομοιώσεων για τη σύγκριση σεναρίων, την ποσοτικοποίηση της αβεβαιότητας και την υποστήριξη αποφάσεων βάσει μοντέλων.
  • Συντονισμός με στατιστικολόγους και φαρμακομετρητές, ώστε οι αναλύσεις να ευθυγραμμίζονται με τους κλινικούς και κανονιστικούς στόχους.
  • Επεξήγηση των παραδοχών, των περιορισμών και των ευρημάτων που σχετίζονται με αποφάσεις σε τεχνικούς και μη τεχνικούς ενδιαφερόμενους.
  • Ανάλυση και ενσωμάτωση δεδομένων κλινικών δοκιμών, βιοδεικτών, απεικονιστικών εξετάσεων, ψηφιακής υγείας, ομικών δεδομένων, εκβάσεων που αναφέρουν οι ασθενείς και δεδομένων από τον πραγματικό κόσμο.
  • Συνεργασία με τις ομάδες μηχανικής δεδομένων και πλατφορμών για την προετοιμασία συνόλων δεδομένων έτοιμων για ανάλυση και τη θέσπιση ελέγχων ποιότητας δεδομένων, ιχνηλασιμότητας και αναπαραγώγιμων ροών εργασίας.
  • Προετοιμασία επιστημονικής τεκμηρίωσης, παρουσιάσεων και δημοσιεύσεων, καθώς και υποστήριξη της υπεύθυνης υιοθέτησης μεθόδων ψηφιακών διδύμων.
  • Καθορισμός της προβλεπόμενης χρήσης, του πλαισίου λήψης αποφάσεων, των κριτηρίων επιτυχίας και των περιορισμών πριν από την ανάπτυξη των μοντέλων.
  • Διασφάλιση ότι τα μοντέλα είναι ερμηνεύσιμα, ελέγξιμα, αναπαραγώγιμα και τεκμηριωμένα με στοιχεία.
  • Τήρηση των απαιτήσεων διακυβέρνησης, ιδιωτικότητας, ασφάλειας και επιστημονικής αξιολόγησης για τα κλινικά δεδομένα και τα αναλυτικά αποτελέσματα.
  • Διαχωρισμός των διερευνητικών αναλύσεων από τα επικυρωμένα στοιχεία υποστήριξης αποφάσεων και ακριβής παρουσίαση των δυνατοτήτων των μοντέλων.

Απαιτήσεις

  • Διδακτορικό δίπλωμα στην επιστήμη δεδομένων, τη στατιστική, τη βιοστατιστική, τη φαρμακομετρία, την επιστήμη υπολογιστών, τη βιοϊατρική πληροφορική, τη μηχανική, τα μαθηματικά, την επιχειρησιακή έρευνα ή συναφή ποσοτικό κλάδο.
  • Αποδεδειγμένη εμπειρία στην ανάπτυξη ψηφιακών διδύμων, εικονικών ασθενών, μοντέλων εξέλιξης νόσων, προσομοιώσεων κλινικών δοκιμών, συνθετικών ομάδων ελέγχου ή παρόμοιων υπολογιστικών μοντέλων.
  • Ισχυρό υπόβαθρο στην εφαρμογή μηχανικής μάθησης, στατιστικής μοντελοποίησης, αιτιώδους συμπερασματολογίας ή προσομοίωσης σε βιοϊατρικά, υγειονομικά, φαρμακευτικά ή άλλα σύνθετα επιστημονικά δεδομένα.
  • Ισχυρές προγραμματιστικές δεξιότητες σε Python, R ή αντίστοιχη αναλυτική γλώσσα, καθώς και εμπειρία στον έλεγχο εκδόσεων και σε αναπαραγώγιμες ροές εργασίας.
  • Επαρκής γνώση της κλινικής ανάπτυξης για τη διατύπωση σχετικών ερωτημάτων και την αποτελεσματική συνεργασία με κλινικούς και ποσοτικούς ειδικούς στις δοκιμές.
  • Ικανότητα και ενδιαφέρον για διεύρυνση των γνώσεων στον σχεδιασμό κλινικών δοκιμών σε συνεργασία με κλινικούς επιστήμονες, βιοστατιστικούς και φαρμακομετρητές.
  • Ισχυρές δεξιότητες γραπτής και προφορικής επικοινωνίας και αποδεδειγμένη αποτελεσματική διεπιστημονική επιστημονική συνεργασία.
  • Επιθυμητό: εμπειρία στην υποστήριξη σχεδιασμού κλινικών δοκιμών, στην ανάπτυξη πρωτοκόλλων, στη στρατηγική κλινικής ανάπτυξης, στην ανάπτυξη φαρμάκων με βάση μοντέλα ή σε ποσοτικά στοιχεία για ρυθμιστικές αρχές.
  • Εξοικείωση με θέματα σχεδιασμού δοκιμών όπως η στρατηγική τελικών σημείων, οι παραδοχές μεγέθους δείγματος ή στατιστικής ισχύος, η επιλογή ασθενών ή ο εμπλουτισμός πληθυσμού, οι διαχρονικές εκβάσεις, τα ελλιπή δεδομένα, οι προσαρμοστικοί σχεδιασμοί ή τα κριτήρια λήψης αποφάσεων.
  • Γνώση της αρχιτεκτονικής και επικύρωσης ψηφιακών διδύμων, της αιτιώδους συμπερασματολογίας, της Μπεϋζιανής μοντελοποίησης, της ανάλυσης επιβίωσης, της διαχρονικής μοντελοποίησης, της προσομοίωσης κλινικών δοκιμών ή των συνθετικών ομάδων ελέγχου.
  • Εμπειρία με πρότυπα κλινικών δεδομένων και συνήθεις πηγές δεδομένων κλινικής ανάπτυξης.
  • Εμπειρία με δεδομένα βιοδεικτών, απεικόνισης, ομικών δεδομένων, ψηφιακής υγείας ή πραγματικού κόσμου, συμπεριλαμβανομένης της ενσωμάτωσης πολλών τύπων δεδομένων.
  • Εμπειρία σε κλιμακούμενα αναλυτικά περιβάλλοντα που βασίζονται στο cloud.
  • Αποδεδειγμένη ικανότητα μετατροπής αναλυτικής εργασίας σε αποφάσεις, επαναχρησιμοποιήσιμες δυνατότητες, δημοσιεύσεις, παρουσιάσεις ή άλλα μετρήσιμα επιστημονικά αποτελέσματα.

Σχετικές θέσεις εργασίας

Ritchie Bros.

Επικεφαλής επιστήμονας δεδομένων, Σικάγο (υβριδικά)

Ritchie Bros.

Ηγείστε ομάδων επιστήμης δεδομένων για την ανάπτυξη κλιμακώσιμων λύσεων μηχανικής μάθησης και προηγμένης ανάλυσης. Συνεργάζεστε με το IT, την εκτελεστική διοίκηση, τις ομάδες προϊόντων και άλλους ενδιαφερόμενους σε πρωτοβουλίες σε επίπεδο επιχείρησης.

Άνοιγμα
Ritchie Bros.

Επικεφαλής επιστήμονας δεδομένων

Ritchie Bros.

Ηγηθείτε μιας ομάδας επιστήμης δεδομένων που δημιουργεί επεκτάσιμες λύσεις μηχανικής μάθησης και προηγμένης ανάλυσης για την επιχείρηση. Διαχειριστείτε και καθοδηγήστε επιστήμονες, επιβλέψτε την ανάπτυξη μοντέλων και συνεργαστείτε με IT, προϊόν, στελέχη και άλλους ενδιαφερόμενους.

Άνοιγμα
Capital One

Διευθυντής, Επιστήμονας Δεδομένων – Στρατηγική Εναλλακτικών Δεδομένων

Capital One

Καθοδηγήστε το έργο επιστήμης δεδομένων στην Capital One, αξιολογώντας εναλλακτικά δεδομένα για πιστωτικές αποφάσεις στις κάρτες των ΗΠΑ. Αναπτύξτε μοντέλα μηχανικής μάθησης, χαρακτηριστικά δεδομένων και επεκτάσιμα συστήματα παρακολούθησης.

Άνοιγμα
COUNTRY Financial®

Ανώτερος επιστήμονας δεδομένων

COUNTRY Financial®

Αναπτύξτε προγνωστικά μοντέλα και λύσεις τεχνητής νοημοσύνης για τις ασφαλιστικές και επενδυτικές υπηρεσίες της COUNTRY Financial. Εφαρμόστε προηγμένη ανάλυση, πρόβλεψη και βελτιστοποίηση για μετρήσιμα επιχειρηματικά αποτελέσματα.

Άνοιγμα
Grubhub

Ανώτερος επιστήμονας δεδομένων βαθμίδας Staff, Marketplace

Grubhub

Καθοδήγηση της στρατηγικής για την επιστήμη δεδομένων και τη μηχανική μάθηση στην αγορά της Wonder, με έμφαση στην αιτιώδη συμπερασματολογία, τα πειράματα, τα συστήματα παραγωγής και την τεχνική συνεργασία μεταξύ ομάδων. Ανάπτυξη κλιμακούμενων λύσεων που συνδέουν την ανάλυση με τα επιχειρηματικά αποτελέσματα.

Άνοιγμα