Syneos Health on täielikult integreeritud biofarmaatsialahenduste organisatsioon, mis aitab klientidel viia ravimeetodid kliinilisest arendusest turule. Selle meeskonnad ühendavad kliinilised uuringud, meditsiiniasjade juhtimise, kaubandusliku tegevuse, tehnoloogia ja turuülevaated, et vastata muutuva tervishoiu vajadustele ning toetada oluliste ravimeetodite arendamist ja turuletoomist kogu maailmas.
Vanem biostatistik – biomarkerid, tehisintellekt ja süvaõpe
Juhi biomarkeri- ja genoomikaanalüüse täiustatud statistika ja süvaõppe abil, et toetada kliinilisi uuringuid ja ravimite arendamist eluteaduste valdkonnas ettevõttes Syneos Health.
Kirjeldus
- Koordineeri genoomika ja muude biomarkerikomponentide valdkondadeülest planeerimist, teostust ja analüüsi kliinilistes ning biomarkeriuuringutes.
- Tegutse projekti biomarkeri-statistikuna kogenud statistiku juhendamisel.
- Koosta määratud uuringute jaoks biomarkerite hindamise plaane.
- Panusta statistikaalase asjatundlikkusega kliinilise arenduse aruteludesse ning rakenda tehisintellekti ja masinõppe meetodeid.
- Koordineeri biomarkerite teadus- ja arendustegevust toetavaid statistilisi töövooge.
- Planeeri ja teosta täiustatud genoomika- ja biomarkerandmete analüüse.
- Kirjuta statistilisi programme ja tööta välja keerukaid analüüsialgoritme.
- Analüüsi RNA-, Olinki ja muid biomarkerandmekogumeid.
- Koosta täpseid biomarkerite hindamisaruandeid ja selgita nende tulemusi.
- Lahenda iseseisvalt tavapäraseid ja keerukaid statistilisi küsimusi, modelleerimisvajadusi ning analüüsiülesandeid.
- Loo ja rakenda standardiseeritud protsesse biomarkerite tavapäraseks hindamiseks.
Nõuded
- Doktorikraad või magistrikraad biostatistika, statistika, matemaatika või sellega seotud erialal.
- Väga hea kirjalik, suuline ja suhtlemisoskus.
- Oskus töötada tõhusalt nii iseseisvalt kui ka koostöös teistega.
- Võime töötada minimaalse juhendamisega.
- Tõendatud kogemus süvaõppemudelite arendamisel ja juurutamisel PyTorchi, TensorFlow’ või Keras abil.
- Masinõppe algoritmide ja statistiliste meetodite, sealhulgas elulemuse analüüsi ja partiiefekti haldamise põhjalik tundmine, mida on rakendatud farmaatsia- või biomarkerite avastamisega seotud töös.
- Teadmised seletatava tehisintellekti meetoditest, nagu SHAP, tähelepanu omistamine ja vastandlik analüüs.
- Arusaam määramatuse kvantifitseerimisest biomarkerite tõlgendatavuse tagamiseks.
- Kogemus biomarkeriuuringu iseseisva juhtimisega.
- Varasem kliiniliste uuringute kogemus tuleb kasuks.
- Valdkonnakogemus tuleb kasuks.
- Biomarkerite hindamise põhjalik mõistmine, eriti immunoloogia ja infektsioonide, 1. tüüpi diabeedi, asjakohaste parameetrite ning nendega seotud bioloogia valdkonnas.
- Statistilise programmeerimise tööriistade, sealhulgas R-i, Bioconductori, geneetiliste andmete R-pakettide ja Pythoni oskuslik kasutamine.
- Kogemus suure mõõtmelisusega andmekogumitega töötamisel.
- Arvesse võidakse võtta samaväärset kogemust, oskusi või haridust.
Hüved
- Võimalused karjääriks ja professionaalseks arenguks.
- Toetav ja kaasatud otsene juhtimine.
- Koolitused tehnilistes ja ravivaldkondades.
- Kolleegide tunnustusprogrammid.
- Kogutasude programm.
- Kaasav töökultuur.
- Vajaduse korral mõistlikud kohandused.