Johnson & Johnson
Johnson & Johnson
Johnson & Johnson یک شرکت جهانی در حوزه سلامت است که در زمینه داروهای نوآورانه و فناوری پزشکی فعالیت می‌کند. تیم‌های این شرکت در حوزه‌های سرطان‌شناسی، ایمنی‌شناسی، علوم اعصاب، چشم‌پزشکی تخصصی، مراقبت‌های مداخله‌ای و ارتوپدی راهکارهایی توسعه می‌دهند و با ترکیب علم و فناوری به نیازهای پیچیده سلامت پاسخ می‌دهند. این شرکت ضمن خدمت‌رسانی به ارائه‌دهندگان خدمات سلامت، بیماران و جوامع در سراسر جهان، بر عدالت در سلامت، پایداری زیست‌محیطی، تنوع و فراگیری نیز تأکید دارد.

دانشمند ارشد، علم داده – محصولات داده و یکپارچه‌سازی (ترکیبی، اسپرینگ هاوس)

توسعه محصولات داده علمی آماده برای هوش مصنوعی و راهبردهای یکپارچه‌سازی را برای فعالیت‌های کشف و توسعه داروی جانسون اند جانسون رهبری می‌کند. از مدل‌سازی پیش‌بینانه، گراف‌های دانش و تصمیم‌های ایمنی انتقالی پشتیبانی می‌کند.

توضیحات

  • طراحی و تکامل محصولات داده علمی و راهبردهای یکپارچه‌سازی را برای کشف و توسعه دارو با پشتیبانی هوش مصنوعی رهبری کنید.
  • محصولات داده مقیاس‌پذیر، تعامل‌پذیر و آماده برای هوش مصنوعی بسازید که کشف، پیش‌بالینی، بالینی، ایمنی و شواهد دنیای واقعی را پوشش دهند.
  • رویکردهای معماری داده، یکپارچه‌سازی، فراداده و محصول‌سازی را برای استدلال معنایی، گراف‌های دانش، GraphRAG، تحلیل‌های پیشرفته و هوش مصنوعی عامل‌محور تعیین کنید.
  • مدل‌های استدلال هوش مصنوعی و یادگیری ماشین پیش‌بینانه را برای کمک به تصمیم‌های ایمنی انتقالی توسعه دهید.
  • راهبردهای محصولات داده را برای پژوهش اکتشافی، علوم انتقالی، ایمنی پیش‌بالینی، توسعه بالینی، پایش ایمنی دارو و شواهد دنیای واقعی تعیین و اجرا کنید.
  • محصولات داده قابل استفاده مجدد، نقشه‌های راه و الگوهای مقیاس‌پذیر برای تحلیل، هوش مصنوعی، گراف‌های دانش و استدلال علمی ایجاد کنید.
  • رویکردهای یکپارچه‌سازی و هماهنگ‌سازی را برای SEND، SDTM، ADaM، MedDRA، تصویربرداری، اومیکس، نشانگرهای زیستی، آسیب‌شناسی و داده‌های دنیای واقعی طراحی کنید.
  • راهبردهای استقرار محصولات داده علمی روی AWS را تعریف کنید.
  • برای ارائه خط لوله‌ها و محصولات داده مقیاس‌پذیر با تیم‌های مهندسی و پلتفرم Amazon همکاری کنید.
  • بر اساس توصیه‌های راهبرد داده، رهبری فنی و نظارت معماری ارائه دهید.
  • اطمینان حاصل کنید که راهکارهای دیجیتال الزامات معماری سازمانی، امنیت، حاکمیت و آمادگی برای هوش مصنوعی را برآورده می‌کنند.
  • ایجاد مجموعه‌داده‌های گزینش‌شده، محصولات آماده معنایی، مخازن ویژگی، محصولات فراداده، خدمات داده علمی و دارایی‌های آماده هوش مصنوعی را رهبری کنید.
  • روش‌های قابل استفاده مجدد برای ورود داده، تبدیل، اعتبارسنجی و انتشار تعیین کنید.
  • استانداردهای فراداده و چارچوب‌های کیفیت داده را تعریف کنید.
  • تبار داده، منشأ، قابلیت ردیابی، اصول FAIR، پایش و کنترل‌های کیفیت را پیاده‌سازی کنید.
  • با دانشمندان حوزه‌های کشف، سم‌شناسی، بالینی، ایمنی و داده، و نیز شرکای راهبرد داده، معماران دانش و مهندسان هوش مصنوعی همکاری کنید.
  • پرسش‌های علمی را به محصولات داده مقیاس‌پذیر و راهکارهای فنی تبدیل کنید.

شرایط لازم

  • کارشناسی ارشد یا دکتری در علوم کامپیوتر، مهندسی داده، بیوانفورماتیک، انفورماتیک زیست‌پزشکی، سامانه‌های اطلاعاتی، زیست‌شناسی محاسباتی یا رشته علمی مرتبط.
  • حداقل پنج سال تجربه در مهندسی داده علمی، معماری داده، محصولات داده یا انفورماتیک علوم زیستی.
  • تجربه طراحی و ارائه محصولات داده علمی در مقیاس سازمانی.
  • تجربه پشتیبانی از سازمان‌های کشف و توسعه دارو، پژوهش بالینی یا پایش ایمنی دارو.
  • تجربه توسعه مدل‌های پیش‌بینانه برای سازمان‌های کشف و توسعه دارو، پژوهش بالینی یا پایش ایمنی دارو.
  • تسلط قوی بر معماری و مدل‌سازی داده، طراحی محصول داده، پلتفرم‌های بومی ابر، مدیریت فراداده، حاکمیت داده و توسعه مدل‌های پیش‌بینانه.
  • تجربه با پلتفرم‌های داده AWS، دریاچه‌های داده و لیک‌هاوس‌ها، پردازش توزیع‌شده، APIها و خدمات داده، و ابزارهای کاتالوگ داده و تبار داده.
  • آشنایی قوی با SEND، SDTM، ADaM و MedDRA.
  • آشنایی با FHIR، OMOP، DICOM و استانداردهای داده نشانگرهای زیستی و اومیکس مزیت محسوب می‌شود.
  • تجربه با گراف‌های دانش، معماری‌های معنایی، GraphRAG، محصولات داده آماده هوش مصنوعی، مخازن ویژگی، یکپارچه‌سازی مبتنی بر هستی‌شناسی، ارائه‌دهندگان ابر یا تیم‌های پلتفرم بیرونی و محیط‌های علمی تحت مقررات مزیت محسوب می‌شود.
  • توانایی تعریف نقشه‌های راه بلندمدت محصولات داده.
  • توانایی پیوند دادن تیم‌های علمی و فنی و اثرگذاری بر گروه‌های میان‌وظیفه‌ای بدون اختیار مستقیم.

مزایا

  • طرح بازنشستگی مستمری.
  • طرح پس‌انداز 401(k).
  • برنامه مشوق بلندمدت.
  • ۱۲۰ ساعت مرخصی در هر سال تقویمی.
  • ۴۰ ساعت مرخصی استعلاجی در هر سال تقویمی؛ ۴۸ ساعت برای کارکنان کلرادو و ۵۶ ساعت برای کارکنان واشنگتن.
  • ۱۳ روز تعطیل با حقوق در هر سال تقویمی، شامل تعطیلات شناور.
  • تا ۴۰ ساعت زمان Work, Personal and Family Time در هر سال تقویمی.
  • ۴۸۰ ساعت مرخصی والدین در بازه یک‌ساله پس از تولد، فرزندخواندگی یا واگذاری کودک به سرپرستی موقت.
  • مرخصی سوگواری در هر سال تقویمی: ۲۴۰ ساعت برای عضو خانواده درجه‌یک یا ۴۰ ساعت برای عضو خانواده گسترده.
  • ۸۰ ساعت مرخصی مراقب در یک دوره پیوسته ۵۲ هفته‌ای.
  • ۳۲ ساعت مرخصی داوطلبانه در هر سال تقویمی.
  • ۸۰ ساعت مرخصی برای همسر نظامی در هر سال تقویمی.
  • امکانات مناسب‌سازی مصاحبه برای متقاضیان دارای معلولیت.

فرصت‌های شغلی مرتبط

Vanguard

مدیر ارشد مدیریت داده

Vanguard

رهبری عملیات مدیریت دادهٔ ونگارد، از جمله کیفیت داده، حاکمیت داده و رویه‌های دادهٔ مرجع. مدیریت تیم‌ها، کنترل‌ها، رخدادها، فروشندگان و ابتکارهای راهبردی داده.

باز کردن
Johnson & Johnson

دانشمند ارشد، علم داده و محصولات داده علمی

Johnson & Johnson

رهبری توسعه محصولات داده علمی آماده برای هوش مصنوعی را برای فعالیت‌های کشف و توسعه داروی جانسون اند جانسون بر عهده بگیرید. این نقش حوزه‌های یکپارچه‌سازی AWS، مدل‌سازی پیش‌بینانه، فراداده و معماری داده علمی را دربرمی‌گیرد.

باز کردن
Johnson & Johnson

مدیر علوم داده، استخراج شواهد با هوش مصنوعی

Johnson & Johnson

رهبری استخراج، سامان‌دهی و ترکیب شواهد علمی با هوش مصنوعی را برای توسعه بالینی علوم اعصاب در جانسون اند جانسون بر عهده بگیرید. دارایی‌های داده و جریان‌های کاری قابل ردیابی و استفاده مجدد بسازید.

باز کردن
Johnson & Johnson

مدیر علم داده هوش مصنوعی مولد در علوم اعصاب

Johnson & Johnson

رهبری ابتکارهای هوش مصنوعی مولد و عامل‌محور را در بخش تحقیق و توسعه علوم اعصاب جانسون اند جانسون برعهده بگیرید. با ساخت پلتفرم‌های علمی، کشف دارو را سرعت دهید و به بهبود نتایج بیماران کمک کنید.

باز کردن
Johnson & Johnson

مدیر علم داده، استخراج شواهد با هوش مصنوعی

Johnson & Johnson

رهبری استفاده جانسون‌اندجانسون از هوش مصنوعی برای استخراج و ترکیب شواهد در توسعه بالینی علوم اعصاب را بر عهده بگیرید. گردش‌کارهای قابل‌ردیابی، دارایی‌های داده‌ای قابل استفاده مجدد و قابلیت‌های هوش مصنوعی مسئولانه بسازید.

باز کردن