PostEra
PostEra
PostEra on biotehnoloogia- ja tehisintellektiettevõte, mis keskendub uute ravimite avastamise parandamisele. Selle Proton platvorm rakendab masinõpet ravimikeemias, aidates teadlastel lahendada ravimite väljatöötamise keerukaid probleeme ja kiirendada võimalike ravimeetodite arendamist. 2020. aastal asutatud PostEra teeb tehisintellektil põhinevate ravimite arendamise lahenduste kallal koostööd selliste ravimiettevõtetega nagu Pfizer ja Amgen.

Masinõppe teadlane, agentne teadus PostEras (kaugtöö)

PostEra otsib masinõppe teadlast, kes ehitaks tehisintellektil põhineva biotehnoloogia jaoks agentseid süsteeme ja kohanevaid mudeleid. Töö rakendab arvutuslikke meetodeid meditsiinilises keemias ja ravimite avastamises.

Kirjeldus

  • Arenda PostEra agentse teadustöö suunda, automatiseerides biokeemiliste ja füsioloogiliste protsesside mehhanistlikku modelleerimist
  • Analüüsi bioloogilisi andmeid sihtmärkide valideerimiseks ja toeta masinõppemudelitega ravimite avastamise otsuseid
  • Loo masinõppemeetodeid, mis kohanevad uute ravimite avastamise väljakutsetega vähese märgendatud andme hulga korral
  • Arenda molekulaarse ja tabelandmete kontekstisisese õppe süsteeme ning alusmudeleid, kasutades ettevõtte varalist multimodaalset andmestikku
  • Hinda asjakohaseid varasemaid näiteid ja ülesandeid, mõõda ülekandeõppe kasu või kahju ning anna usaldusväärseid prognoose jaotuse nihke korral
  • Määratle ülesanded, koosta andmestikud ja hindamisepisoodid, sea lähtealused, treeni ja skaleeri mudeleid, tee rangeid ablatsioonikatseid ning muuda tõhusad meetodid teaduslikeks võimekusteks
  • Arenda ja võrdle agentseid süsteeme bioloogiliseks ja füsioloogiliseks kvantitatiivseks modelleerimiseks
  • Juhi iseseisvaid uurimisprojekte kontekstisiseses õppes, agentsetes süsteemides, vähese näidete arvuga kohanemises, tabelandmete alusmudelites ja molekulaarses masinõppes
  • Kavanda ja treeni mudeleid, mis kohanevad uute analüüside, tulemusnäitajate, sihtmärkide ja keemiliste seeriatega
  • Hinda meetodeid tugevate lähtealuste suhtes ja loo testjuhtumeid, mis arvestavad kallutatuse tundlikkusega
  • Tööta teadlastega toime modelleerimise, ADME prognoosimise, selektiivsuse, juhtühendite optimeerimise ja varaste kliiniliste uuringute kavandamise alal
  • Koosta tõhusaid treeningu- ja andmetöötlusvooge ning skaleeri mudeleid molekulaarsetes ja tabelandmete ülesannetes
  • Kirjuta loetavat ja reprodutseeritavat uurimiskoodi, dokumenteeri katsed ning toeta koodi ülevaatamist ja ühist modelleerimise taristut
  • Avalda tulemusi juhtivates masinõppe, meditsiinilise keemia või arvutusbioloogia väljaannetes ning esinda PostErat teadusringkonnas.

Nõuded

  • Doktorikraad masinõppes või STEM-valdkonna teadustöös, mis keskendub uute masinõppemeetodite arendamisele
  • Tõendid kvaliteetse teadustöö kohta publikatsioonide, avatud lähtekoodiga panuste või võrreldava töö kaudu
  • Tugev teadus- või inseneritaust tänapäevases masinõppes, süvaõppes või statistilises modelleerimises ning hea algoritmiteooria tundmine
  • Asjatundlikkus vähemalt ühes asjakohases valdkonnas, sealhulgas agentsetes teadustöövoogudes, bioinformaatika või kliiniliste andmete masinõppes, kontekstisiseses õppes, tabelõppes või väheste näidetega õppimises
  • Praktiline kogemus masinõppemudelite treenimise, silumise ja hindamisega Pythonis, kasutades näiteks PyTorchi või JAXi
  • Oskus muuta ebamäärased teaduslikud või tehnilised küsimused täpselt määratletud masinõppeprojektideks koos andmestike, ülesannete, lähtealuste, mõõdikute ja valideerimisplaanidega
  • Oskus kavandada rangeid eksperimente, võrdlusuuringuid ja ablatsioone, mis eristavad tegelikku paranemist kallutatusest ning tuvastavad mudeli paranemise allikad
  • Valmidus töötada idufirmas, kus prioriteedid muutuvad, andmed võivad olla ebatäiuslikud ning hea otsustusvõime on sama tähtis kui mudeli keerukus
  • Ravimite avastamise kogemus ei ole nõutav
  • Eeliseks: kogemus tabelandmete alusmudelite treenimisega hõreda, heterogeense, vähese andmemahu või suure puuduvate väärtuste osakaaluga andmestike puhul
  • Eeliseks: kogemus molekulaarsete kontekstisisese õppe süsteemide arendamisega või üldotstarbeliste kontekstisiseste mudelite kohandamisega molekulaar- või teadusandmetele
  • Eeliseks: kogemus suurte mudelite, sealhulgas enam kui miljardi parameetriga süsteemide treenimise, hajutatud treeningu, tükeldamise, andme- ja mudeliparalleelsuse ning suuremahuliste andmetöötlusvoogudega
  • Eeliseks: kogemus tehisintellektil põhinevate teadusabiliste süsteemide arendamisega füüsikaliste või bioloogiliste probleemide jaoks
  • Eeliseks: praktiline masinõppe kogemus bioloogiliste, biokeemiliste või kliiniliste andmetega
  • Eeliseks: kogemus uurimismudelite juurutamisel tootmiskõlblikku teadustarkvarasse või arvutuslikesse töövoogudesse

Hüved

  • 0,05–0,1% suurune osalus
  • Hüvitis kohandatakse proportsionaalselt
  • Tunnustus organisatsioonis
  • Võimalused sisuliseks edutamiseks

Seotud töökohad

Johnson & Johnson

Vanemtehnilise ravimiohutuse analüütik – Johnson & Johnson, hübriidtöö Mexico Citys

Johnson & Johnson

Jälgi Johnson & Johnsonis ravimite ja meditsiiniseadmete ohutust ning uuri ohutussignaale ja nende algpõhjuseid. Arenda ohutusprotsesse ja aita hallata tootega seotud riske alates arendusest kuni kliiniliste uuringute ja regulatiivse heakskiiduni.

Ava