Johnson & Johnson
Johnson & Johnson
Johnson & Johnson یک شرکت جهانی در حوزه سلامت است که در زمینه‌های داروسازی، تجهیزات پزشکی و سلامت مصرف‌کنندگان فعالیت می‌کند. فعالیت‌های پژوهشی و توسعه محصولات این شرکت شامل داروها و درمان‌هایی برای سرطان‌شناسی، ایمنی‌شناسی، علوم اعصاب و بیماری‌های قلبی‌ریوی است و در کنار آن، راهکارهای MedTech را برای مراقبت‌های قلبی‌عروقی، ارتوپدی، جراحی و بینایی ارائه می‌دهد. فعالیت‌های گسترده‌تر شرکت همچنین آموزش سلامت و تندرستی، تولید در مقیاس بزرگ، فعالیت‌های مرتبط با سرمایه‌گذاران و ابتکارهای جهانی با تأثیر اجتماعی را دربرمی‌گیرد و در حوزه‌های علمی، بالینی، مهندسی، تولید، تجاری و شرکتی فرصت‌هایی ایجاد می‌کند.

دانشمند ارشد، علم داده و محصولات داده علمی

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.

توضیحات

  • طراحی و تکامل محصولات داده علمی و راهبردهای یکپارچه‌سازی را برای کشف و توسعه دارو با پشتیبانی هوش مصنوعی رهبری کنید.
  • محصولات داده‌ای تعامل‌پذیر و آماده هوش مصنوعی بسازید که داده‌های کشف، پیش‌بالینی، بالینی، ایمنی و شواهد دنیای واقعی را به هم پیوند دهند.
  • رویکردهای معماری داده، یکپارچه‌سازی، فراداده و محصول‌سازی را برای گراف‌های دانش، GraphRAG، استدلال معنایی، تحلیل پیشرفته و هوش مصنوعی عامل‌محور تعیین کنید.
  • راهبرد محصولات داده را در پژوهش کشف، علوم انتقالی، ایمنی پیش‌بالینی، توسعه بالینی، پایش ایمنی دارو و شواهد دنیای واقعی هدایت کنید.
  • محصولات داده قابل استفاده مجدد برای تحلیل، هوش مصنوعی، گراف‌های دانش و استدلال علمی ایجاد کنید.
  • نقشه‌های راه محصولی تدوین کنید که از اولویت‌های سازمانی و اهداف علمی پشتیبانی کنند.
  • چارچوب‌های یکپارچه‌سازی و همسان‌سازی را برای SEND، SDTM، ADaM، MedDRA، تصویربرداری، اومیکس، نشانگرهای زیستی، آسیب‌شناسی و داده‌های دنیای واقعی طراحی کنید.
  • اجرای محصولات داده علمی روی AWS را برنامه‌ریزی کنید.
  • برای ارائه خطوط لوله داده و محصولات مقیاس‌پذیر با تیم‌های مهندسی و پلتفرم Amazon همکاری کنید.
  • مطابق با توصیه‌های راهبرد داده، رهبری فنی و راهنمایی معماری ارائه دهید.
  • راهکارهای دیجیتال را با نیازهای معماری سازمانی، امنیت، حاکمیت و آمادگی برای هوش مصنوعی همسو کنید.
  • توسعه مجموعه‌داده‌های پالایش‌شده، محصولات آماده استفاده معنایی، مخازن ویژگی، محصولات فراداده، خدمات داده علمی و دارایی‌های آماده هوش مصنوعی را رهبری کنید.
  • روش‌های قابل استفاده مجدد برای ورود، تبدیل، اعتبارسنجی و انتشار داده تعیین کنید.
  • استانداردهای فراداده و چارچوب‌های کیفیت داده را تعریف کنید.
  • اصول تبار داده، منشأ، ردیابی‌پذیری و داده‌های FAIR را به کار ببندید.
  • پایش و کنترل کیفیت محصولات داده علمی را تعیین کنید.
  • مدل‌های پیش‌بینانه هوش مصنوعی و یادگیری ماشین برای تصمیم‌های ایمنی انتقالی بسازید.
  • با متخصصان 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 و راهکارهای فنی مقیاس‌پذیر تبدیل کنید.

شرایط لازم

  • مدرک کارشناسی ارشد یا دکتری در علوم رایانه، مهندسی داده، زیست‌اطلاعات، اطلاعات زیست‌پزشکی، سامانه‌های اطلاعاتی، زیست‌شناسی محاسباتی یا یک رشته علمی مرتبط.
  • دست‌کم پنج سال تجربه در مهندسی داده علمی، معماری داده، محصولات داده یا اطلاعات‌شناسی علوم زیستی.
  • تجربه اثبات‌شده در 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.
  • مهارت قوی در معماری و مدل‌سازی داده، طراحی محصولات داده، پلتفرم‌های بومی ابر، مدیریت فراداده، حاکمیت داده و مدل‌سازی پیش‌بینانه.
  • تجربه کار با پلتفرم‌های داده AWS، دریاچه‌های داده و لیک‌هاوس‌ها، پردازش توزیع‌شده، APIها و خدمات داده، و ابزارهای کاتالوگ 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 در گراف‌های دانش، معماری معنایی یا ابتکارهای GraphRAG مزیت محسوب می‌شود.
  • تجربه ساخت محصولات داده آماده هوش مصنوعی و مخازن ویژگی مزیت محسوب می‌شود.
  • آشنایی با رویکردهای یکپارچه‌سازی داده مبتنی بر هستی‌شناسی.
  • تجربه کار با ارائه‌دهندگان خدمات ابری یا تیم‌های پلتفرم بیرونی.
  • تجربه در محیط‌های علمی به‌شدت قانون‌گذاری‌شده.
  • تفکر راهبردی و توانایی شکل‌دهی به نقشه‌های راه بلندمدت محصولات داده.
  • توانایی پیوند دادن تیم‌های علمی و فنی و اثرگذاری بر گروه‌های میان‌وظیفه‌ای بدون اختیار مستقیم.
  • توان اجرایی قوی و تمرکز بر راهکارهای مقیاس‌پذیر و قابل استفاده مجدد.

مزایا

  • طرح بازنشستگی با 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 ساکنان کلرادو و ۵۶ ساعت برای ساکنان واشینگتن.
  • حقوق تعطیلات، شامل ۱۳ روز تعطیلی شناور در هر سال تقویمی.
  • تا ۴۰ ساعت مرخصی برای امور کاری، شخصی و خانوادگی در هر سال تقویمی.
  • ۴۸۰ ساعت مرخصی والدین در بازه یک‌ساله پس از تولد، فرزندخواندگی یا سپردن کودک به خانواده سرپرست.
  • مرخصی سوگواری: ۲۴۰ ساعت در هر سال تقویمی برای یکی از اعضای خانواده نزدیک یا ۴۰ ساعت برای یکی از اعضای خانواده گسترده.
  • مرخصی مراقبت‌گر: ۸۰ ساعت در یک دوره متحرک ۵۲ هفته‌ای؛ منبع همچنین ۱۰ روز را ذکر می‌کند.
  • ۳۲ ساعت مرخصی داوطلبانه در هر سال تقویمی.
  • ۸۰ ساعت مرخصی برای همسر فرد شاغل در ارتش در هر سال تقویمی.
  • تسهیلات در طول فرایند مصاحبه.
  • ترکیب کاری حضوری و دورکاری.

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 – محصولات داده و یکپارچه‌سازی (ترکیبی، اسپرینگ هاوس)

Johnson & Johnson

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.

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