BigHat Biosciences
BigHat Biosciences
BigHat Biosciences یک شرکت زیست‌فناوری است که درمان‌های مبتنی بر آنتی‌بادی را برای بیماری‌های دشوار، از جمله عفونت‌ها و سرطان، توسعه می‌دهد. پلتفرم Milliner این شرکت یادگیری ماشین را با آزمایشگاه تر و پرسرعت ترکیب می‌کند تا آنتی‌بادی‌ها را طراحی و مهندسی کند و مدل‌های محاسباتی را وارد فرایند کشف تجربی سازد. این شرکت بر بهبود ایمنی و اثربخشی درمان‌های بالقوه تمرکز دارد و برنامه‌های خود را از طریق همکاری‌های پژوهشی و مشارکت‌ها پیش می‌برد.

مدیر یادگیری ماشین، طراحی آنتی‌بادی

راهبرد یادگیری ماشین و مدل‌سازی طراحی آنتی‌بادی را در BigHat Biosciences هدایت کنید و مدل‌های پیشرفته، داده‌های آزمایشگاهی و خودکارسازی LLM را به هم پیوند دهید. هدایت یک تیم ارشد میان‌رشته‌ای را بر عهده بگیرید و به بهبود چرخه‌های طراحی برای بیش از ۲٬۰۰۰ آنتی‌بادی در هر هفته کمک کنید.

توضیحات

  • نقشه راه یادگیری ماشین BigHat را تدوین و اصلاح کنید.
  • مسیر آینده یادگیری ماشین را تعریف کنید و جایگاه پیشرو BigHat را در این حوزه ارتقا دهید.
  • با استفاده از مخزن داده و توانمندی‌های تولید داده BigHat، مدل‌های پیش‌بینی چندهدفه بسازید.
  • مدل‌هایی برای طراحی آنتی‌بادی‌های پیچیده و چنداختصاصی توسعه دهید و آموزش دهید.
  • با استفاده از مجموعه‌داده‌های BigHat، مدل‌های پیشرفته را برای چالش‌های طراحی پروتئین به کار بگیرید.
  • کار آزمایشگاهی، پلتفرم‌های محاسباتی، داده و خودکارسازی LLM را برای بهبود چرخه طراحی به هم متصل کنید.
  • راهبرد یکپارچه LLM و یادگیری ماشین را در سراسر سازمان CIO هدایت کنید.
  • استفاده ایمن و مؤثر از LLMها، چارچوب‌های عامل و روش‌های ارزیابی یادگیری تقویتی را ترویج کنید.
  • مطمئن شوید منشأ مدل‌ها و معیارهای ارزیابی به‌طور قابل‌اعتماد در زیرساخت حفظ می‌شوند.
  • مطمئن شوید در دورهای طراحیِ گردش‌کارهایی که هر هفته بیش از ۲٬۰۰۰ آنتی‌بادی طراحی می‌کنند، از بینش‌های مدل استفاده می‌شود.
  • برای برنامه‌های داخلی و برنامه‌های شرکا، تحلیل‌های محاسباتی، پیش‌بینی‌ها و مجموعه‌های گونه‌های بهینه‌شده ارائه دهید.
  • توانمندی‌های تولید داده و مدل‌سازی را به خدماتی برای شرکت‌های پیشرو هوش مصنوعی و شرکای زیست‌دارویی تبدیل کنید.
  • دامنه پایلوت و معیارهای موفقیت فنی را تعریف کنید و سپس پایلوت‌ها را اجرا کنید.
  • از تیم ارشد دانشمندان و مهندسان یادگیری ماشین حمایت و در رشد حرفه‌ای آن‌ها کمک کنید.
  • در جوامع یادگیری ماشین و مهندسی پروتئین مقاله منتشر کنید، ارائه دهید و مشارکت داشته باشید.

شرایط لازم

  • دکتری در یادگیری ماشین، علوم کامپیوتر، زیست‌شناسی محاسباتی یا رشته‌ای مرتبط.
  • بیش از هشت سال تجربه در توسعه و به‌کارگیری روش‌های پیشرفته یادگیری ماشین.
  • تجربه در صنعت قویاً ترجیح داده می‌شود.
  • توانایی اثبات‌شده در هدایت تیم‌های فنی یا برنامه‌های فنی بزرگ.
  • تسلط عمیق و به‌روز بر یادگیری ماشین مدرن، از جمله مدل‌های مولد توالی و ساختار پروتئین، بهینه‌سازی بیزی، یادگیری فعال، کمی‌سازی عدم‌قطعیت، مدل‌سازی پیش‌بینانه با بهره‌وری داده و یادگیری درون‌متنی.
  • مهارت قوی در Python و PyTorch.
  • تجربه در شیوه‌های نوین مهندسی نرم‌افزار، رایانش ابری و MLOps.
  • تجربه در استقرار یادگیری ماشین در سامانه‌های عملیاتی.
  • آشنایی با بازتولیدپذیری، منشأ داده و مدل، ارزیابی معیارها و زمان چرخه.
  • دانش عملی در زیست‌شناسی آنتی‌بادی، قابلیت توسعه و توسعه دارو، یا توانایی و تمایل به یادگیری سریع این موضوعات.
  • آشنایی با نمایشگرها، NGS و داده‌های زیست‌فیزیکی پُرظرفیت مزیت مهمی است.
  • مهارت عالی در ارتباط نوشتاری و گفتاری.
  • توانایی کار مؤثر میان‌رشته‌ای با دانشمندان پروتئین، مهندسان خودکارسازی، مهندسان نرم‌افزار و توسعه‌دهندگان دارو.
  • اعتبار نزد شرکا و مخاطبان بیرونی.
  • انگیزه‌گرفتن از مأموریت BigHat و تأثیر بالقوه آن.

مزایا

  • پاداش
  • اختیار خرید سهام
  • مزایا

فرصت‌های شغلی مرتبط

U.S. Bank

مهندس ارشد هوش مصنوعی، شتاب‌دهی هوش مصنوعی سازمانی

U.S. Bank

رهبری پذیرش ایمن و مقیاس‌پذیر هوش مصنوعی در U.S. Bank را بر عهده بگیرید و راهکارهای هوش مصنوعی مولد، چارچوب‌های مهندسیِ قابل‌استفادهٔ مجدد و خودکارسازی هوشمند ارائه دهید. با همکاری تیم‌های کسب‌وکار و فناوری، موارد کاربرد هوش مصنوعی سازمانی را از ایده تا تولید پیش ببرید.

باز کردن
Gusto

معمار ارشد هوش مصنوعی FP&A در گوستو

Gusto
۱٬۰۰۱ – ۵٬۰۰۰ کارکنان
بیمهمراقبت‌های بهداشتیمشاوره

برنامه‌ریزی، پیش‌بینی و گزارش‌دهی مبتنی بر هوش مصنوعی را برای سازمان مالی گوستو شکل دهید. سامانه‌های داده مالیِ تحت حاکمیت و گردش‌کارهای خودکار بسازید تا تصمیم‌گیری بهبود یابد.

باز کردن
Plenful

مهندس ارشد یادگیری ماشین، Plenful (سان‌فرانسیسکو، ترکیبی)

Plenful

راهبرد عملیاتی عامل‌های یادگیری ماشین، پس‌آموزش مدل و ارزیابی را تعیین کنید. برای کاهش کارهای اداری و تقویت انطباق، اتوماسیون هوش مصنوعی در حوزه سلامت بسازید.

باز کردن
Wells Fargo

مهندس ارشد، هوش مصنوعی و پرداخت‌های دیجیتال

Wells Fargo

رهبری نوسازی پرداخت‌های دیجیتال و به‌کارگیری هوش مصنوعی در ولز فارگو. پلتفرم‌های مقاوم و مبتنی بر API بسازید و به رهبران فناوری پرداخت‌های مصرف‌کننده مشاوره دهید.

باز کردن
Poesis AI

مهندس ارشد یادگیری ماشین، هوش مصنوعی مالی

Poesis AI

برای پلتفرم سرمایه‌گذاری خودمختار Poesis AI، سیگنال‌های پیش‌بینی‌کننده، مدل‌های یادگیری ماشین در محیط عملیاتی و سامانه‌های ارزیابی بسازید. هوش مصنوعی را روی داده‌های مالی به‌کار بگیرید و از نتایج سرمایه‌گذاری برای بهبود مدل‌ها و عامل‌ها استفاده کنید.

باز کردن