Roche on ülemaailmne tervishoiuettevõte, mis ühendab ravimiteaduse ja -arenduse diagnostiliste testide ning digitaalse tervishoiuga. Ettevõtte töö keskendub patsientide ravitulemuste parandamisele varasema avastamise, sihipärasemate ravimeetodite ja teaduspõhise innovatsiooni abil, sealhulgas tehisintellekti kasutavate tööriistade kaudu. Roche arendab lahendusi keerukatele haigustele, nagu vähk ja neuroloogilised haigused, tehes samal ajal koostööd tervishoiusüsteemide, teaduspartnerite ja teiste sidusrühmadega üle kogu maailma.
Vanem masinõppeteadlane, sünteesi planeerimine ja optimeerimine
Tööta välja masinõppemudeleid sünteesiteadlikuks molekulaarseks disainiks, planeerimiseks, genereerimiseks ja optimeerimiseks. Loo automatiseeritud sünteesitöövooge Roche’i tehisintellektil põhineva ravimite avastamise uurimistöö toetamiseks.
Ameerika Ühendriigid
California
New York147 600 $ – 274 000 $ / aasta
KohapealTäistööaegSeeniorNõutav Keel: ingliseMasinõppeinsenerKirjeldus
- Arenda masinõppemeetodeid sünteesiteadlikuks molekulaarseks disainiks, sealhulgas retrosünteesiks, sünteesi planeerimiseks, molekulide genereerimiseks ja otsinguks sünteesitavates keemilistes ruumides.
- Ühenda ettevõtte reaktsiooni- ja biokeemilised andmed sünteesiteadlike mudelite ning töövoogude loomiseks tabamuste avastamiseks ja optimeerimiseks.
- Tööta välja töökindlad ja skaleeritavad aktiivõppe konveierid, mis ühenduvad automatiseeritud ja suure läbilaskevõimega sünteesiplatvormidega.
- Loo partiipõhise sünteesi planeerimise algoritme, mis parandavad keemilise ruumi katvust, informatsioonikasu ja eksperimentaalset tõhusust.
- Panusta teaduse arengusse publikatsioonide, avatud lähtekoodiga projektide ja konverentsiettekannete kaudu.
- Tee koostööd Roche’i arvutuslike ja eksperimentaalsete teadlaste ning väliste akadeemiliste koostööpartneritega.
- Arenda masinõppemeetodeid, mis genereerivad sünteesitavaid molekule ja seovad generatiivse disaini automatiseeritud sünteesiga.
Nõuded
- Põhjalikud masinõppealased teadmised, mis tuginevad lineaaralgebrale, tõenäosusteooriale ja optimeerimisele.
- Praktiline kogemus graafineuraalvõrkude, jada- või keelemudelite ning tugevdusõppega.
- Tööalased teadmised sünteesi planeerimisel ja molekulide optimeerimisel kasutatavatest keemiakontseptsioonidest.
- Kogemus väikemolekulide andmekogumitega töötamisel ja kemoinformaatika tööriistade, näiteks RDKiti või OpenEye, kasutamisel.
- Pythoni oskus.
- Kogemus kaasaegsete masinõppe raamistikega, sealhulgas PyTorchi või JAXiga.
- Teadusliku tarkvara arendamise taust.
- Doktorikraad või võrreldav teadustöö kogemus masinõppe, arvutuskeemia, keemiatehnika, füüsika, statistika või muu seotud kvantitatiivse valdkonna alal.
- Kuni kaks aastat tööstusliku teadustöö kogemust teadlase tasemel või üle kahe aasta vanemteadlase tasemel.
- Tõendid teadusliku tipptaseme kohta teadusajakirjade või konverentside publikatsioonide või asjakohase avaliku tööde portfoolio näol.
- Kasuks tuleb retrosünteesi- või sünteesi planeerimise mudelite arendamise kogemus.
- Kasuks tuleb automatiseeritud või suure läbilaskevõimega sünteesi kogemus.
Hüved
- Individuaalse ja ettevõtte tulemuse põhjal võidakse pakkuda kaalutlusõiguse alusel iga-aastast boonust.
- Hüvesid kirjeldatakse esitatud lingil.