Deep Science Ventures یک شرکت ایجاد کسب‌وکار است که با پیوند دادن فرصت‌های پژوهشی امیدبخش با دانشمندانی دارای توانمندی‌های بنیان‌گذاری، دانش علمی را به استارتاپ‌های پُرتأثیر تبدیل می‌کند. فعالیت این شرکت حوزه‌های کشاورزی، محاسبات، اقلیم و داروسازی را دربرمی‌گیرد و بر سامانه‌های غذایی باززاینده، دستاوردهای محاسباتی، راه‌حل‌های مقابله با گرمایش جهانی و درمان‌های بیماری‌زدا تمرکز دارد. این شرکت اعلام کرده است که ۴۲ شرکت راه‌اندازی کرده، ۳۷ پروژه در حال توسعه دارد، ۱۶۰ میلیون دلار سرمایه جذب کرده و ارزش پرتفوی آن ۴۳۰ میلیون دلار است.
هم‌بنیان‌گذار و مدیر ارشد فناوری، کشف دارو با هوش مصنوعی (هیبرید لندن)
رهبری پلتفرم هوش مصنوعی دیپ ساینس ونچرز را بر عهده بگیرید؛ پلتفرمی برای پیش‌بینی نتایج توسعه دارو و کارآزمایی‌های بالینی. چارچوب ارزیابی، فناوری تولید و تیم فنی مؤسس را شکل دهید.
توضیحات
- مالکیت پلتفرم موجود را بر عهده بگیرید و آن را توسعه دهید.
- نقشه راه فنی را تعیین کنید و بهبودهای پلتفرم را ارائه دهید.
- وظایف پیش‌بینی را تعریف کنید و شواهد زمان تصمیم‌گیری را به نتایج بعدی مرتبط سازید.
- راهبردهای مدل‌سازی را توسعه دهید، ارزیابی کنید و با یکدیگر مقایسه کنید.
- عملکرد پیش‌بینی و کالیبراسیون را اندازه‌گیری کنید.
- مشخص کنید سیستم در کجا به‌طور قابل‌اعتماد عمل می‌کند و پیش‌بینی‌های آن در کجا محدود می‌ماند.
- خطرهای ارزیابی مربوط به نشت، کیفیت برچسب و آلودگی داده را برطرف کنید.
- پس از تأمین سرمایه، تیم فنی اولیه را جذب کنید.
- با توضیح رویکرد فنی، شواهد، محدودیت‌ها و نقشه راه توسعه برای سرمایه‌گذاران، از جذب سرمایه پشتیبانی کنید.
- دست‌کم در سال اول، شخصاً و به‌طور مستقیم پلتفرم را بسازید.
- برای تعیین مسیر پلتفرم با بنیان‌گذاران بخش زیست‌شناسی و بخش تجاری همکاری کنید.
- به بهبود پیش‌بینی‌پذیری توسعه درمان‌ها و تعیین درمان‌هایی که باید پیش بروند کمک کنید.
شرایط لازم
- سابقه فنی شناخته‌شده از Google DeepMind، OpenAI، Anthropic، Meta AI یا یک آزمایشگاه پیشروی هوش مصنوعی مشابه.
- تجربه رهبری یک تیم یا برنامه فنی قابل‌توجه.
- آمادگی برای حفظ نقش عملی و ساخت شخصی پلتفرم.
- تجربه طراحی ارزیابی‌ها و بنچمارک‌ها، از جمله تعریف برچسب، بررسی قابلیت اطمینان و تقسیم داده مقاوم در برابر نشت.
- دانش قوی از کالیبراسیون، فواصل اطمینان، نرخ‌های پایه و محدودیت‌های مجموعه‌داده‌های کوچک یا پرنویز.
- تخصص گسترده در استنباط سلسله‌مراتبی و بیزی، آمار کلاسیک، یادگیری گراف شامل شبکه‌های عصبی گراف، مدل‌های گرافی احتمالی و کالیبراسیون یادگرفته‌شده.
- تجربه راه‌اندازی سامانه‌های زبانی بزرگ در محیط تولید، همراه با ارکستراسیون عامل‌ها، یکپارچه‌سازی ابزارها، مدیریت زمینه و سامانه‌های ارزیابی برای شناسایی رگرسیون.
- تجربه اجرای چند ارائه‌دهنده مدل در محیط تولید مزیت محسوب می‌شود.
- رهبری فنی عملی، از جمله بازبینی و آزمایش کد تولیدشده با هوش مصنوعی و پایپ‌لاین‌های خودکار.
- توانایی توضیح عدم‌قطعیت و محدودیت‌ها و تشخیص زمانی که شواهد موجود کافی نیستند.
- ارتباطات فنی روشن با همکاران و سرمایه‌گذاران فنی.
- در دسترس بودن برای ورود به یک نقش تمام‌وقت از زمان اسپین‌آوت.
- اولویت با نامزدهای مستقر در بریتانیا است، هرچند برای فرد مناسب امکان جابه‌جایی یا کار از راه دور وجود دارد.
- نباید در حال ساخت، یا اخیراً سازنده، شرکتی بر پایه همان بنیان استدلال عامل‌محور، گراف‌های دانش و تولید فرضیه برای کشف دارو باشید.
- تجربه زیست‌شناسی یا داده‌های بالینی ترجیح داده می‌شود.
- تجربه قبلی بنیان‌گذاری ترجیح داده می‌شود.
- پژوهش، نرم‌افزار یا کار متن‌باز قابل‌بررسی ترجیح داده می‌شود.
- تجربه ساخت زیرساخت ارزیابی یا بنچمارک ترجیح داده می‌شود.
مزایا
- سهم واقعی از سهام هم‌بنیان‌گذار.
- یک پلتفرم عملیاتی و یک نتیجه علمی منتشرشده موجود.
- اختیار فنی از همان ابتدا، از جمله در تصمیم‌های معماری.
- دسترسی به شبکه بین‌المللی سرمایه‌گذاران، مشاوران و شرکای صنعتی دیپ ساینس ونچرز.
- دسترسی به ابزارها، منابع و فرایندهای اختصاصی ساخت سرمایه‌گذاری.
- پشتیبانی مستمر پس از اسپین‌آوت در جذب سرمایه، مشارکت‌های تجاری، استخدام و تیم‌سازی.
- تعهد تمام‌وقت از زمان اسپین‌آوت.
- محل کار انعطاف‌پذیر، با امکان کار از راه دور برای فرد مناسب.