Johnson & Johnson
Johnson & Johnson
Ang Johnson & Johnson ay isang pandaigdigang kompanya sa pangangalagang pangkalusugan na nakatuon sa mga parmasyutiko, kagamitang medikal, at kalusugan ng mamimili. Kabilang sa mga aktibidad nito sa pananaliksik at pagbuo ng produkto ang mga gamot at terapiya para sa oncology, immunology, neuroscience, at mga kondisyong cardiopulmonary, pati na ang mga solusyong MedTech para sa pangangalaga sa cardiovascular, orthopaedics, operasyon, at paningin. Saklaw din ng mas malawak na gawain ng kompanya ang edukasyon tungkol sa kalusugan at kagalingan, malakihang pagmamanupaktura, mga aktibidad para sa mga mamumuhunan, at mga pandaigdigang inisyatiba para sa positibong epekto sa lipunan, na lumilikha ng mga oportunidad sa mga tungkuling siyentipiko, klinikal, pang-inhinyeriya, pagmamanupaktura, komersyal, at pangkorporasyon.

Direktor ng Data Science, Pagkuha ng Ebidensiya gamit ang AI

Pangunahan ang pagkuha, pag-aayos, at pagbubuo ng siyentipikong ebidensiya gamit ang AI para sa klinikal na pagpapaunlad ng Neuroscience ng Johnson & Johnson. Bumuo ng mga asset ng datos at daloy ng trabaho na magagamit muli at matutunton.

Paglalarawan

  • Itakda ang estratehiya, roadmap, mga prayoridad, at sukatan ng halaga para sa mga kakayahan sa datos ng siyentipikong ebidensiya ng Neuroscience.
  • Bumuo at magpatupad ng nasusukat na mga daloy ng trabaho ng AI, kabilang ang mga agent, upang tukuyin, kunin, ayusin, at suriin ang ebidensiya.
  • Pangunahan ang paghahatid, mga pasiya sa pamumuhunan, at mga resulta para sa pagkuha ng siyentipikong ebidensiya gamit ang AI.
  • Gumawa ng mga modelo ng datos at database na angkop sa layunin, na may pinagmulan ng datos, mga kontrol sa kalidad, at mga asset ng ebidensiyang magagamit muli.
  • Magtakda ng mga kasanayan para sa pagpapatunay, pagsusuri, pagsusuri ng tao, at responsableng AI.
  • Bumuo ng mahihigpit na daloy ng trabaho para sa siyentipikong pagsusuri at sukatin ang mga limitasyon nito, kabilang ang kawalan ng katiyakan.
  • Makipagtulungan sa mga pangkat na klinikal, estadistikal, regulasyon, siyentipiko, legal, at teknolohiya.
  • Hubugin ang mga kakayahan ng pinagsasaluhang platform at iayon ang mga ito sa arkitektura, pamamahala, at mga kinakailangan sa paggamit ng datos.
  • Gabayan ang paghahatid ng gawaing may iba’t ibang disiplina, panatilihin ang matibay na mga kasanayan sa engineering, at gabayan ang mga kontribyutor mula sa iba’t ibang tungkulin.
  • Panatilihing may alam ang mga nakatataas na stakeholder tungkol sa mga prayoridad, trade-off, panganib, pag-usad, at epekto.

Mga Kinakailangan

  • PhD sa kaugnay na larangan ng quantitative, klinikal, o life sciences, o master’s degree na may karagdagang kaugnay na karanasan.
  • Hindi bababa sa 8 taong karanasan sa analytics sa parmasyutiko, biotechnology, o pangangalagang pangkalusugan, kabilang ang pagtatakda ng teknikal na direksiyon.
  • Praktikal na karanasan sa mga sistematikong pagsusuri, meta-analysis, o quantitative evidence synthesis.
  • Karanasan sa pagmomodelo ng datos, pag-aayos ng siyentipikong datos, pinagmulan ng datos, at pagkontrol sa kalidad.
  • Kamakailang karanasan sa pagbuo at pagpapatupad ng mga nasusukat na solusyon sa AI, NLP, o generative AI.
  • Mahusay na kasanayan sa Python at/o R, kasama ang matatag na mga kasanayan sa software engineering.
  • Pag-unawa sa pagsusuri, pagpapatunay, kawalan ng katiyakan, at rebyung may paglahok ng tao.
  • Kakayahang tasahin ang siyentipikong ebidensiya at gumawa ng matibay ang batayang mga teknikal na trade-off.
  • Napatunayang pamumuno at impluwensiya sa iba’t ibang pangkat nang hindi umaasa sa awtoridad bilang tagapamahala.
  • Malinaw na pakikipag-usap sa mga teknikal, siyentipiko, at nakatataas na hindi teknikal na stakeholder.
  • Karanasan sa mga pinagsasaluhang platform, pamantayan sa arkitektura, at mga balangkas ng pamamahala.
  • Mas mainam ang karanasan sa mga regulated na kapaligiran, multimodal na pagkuha ng dokumento, pamamahala ng AI, o responsableng AI.

Mga Benepisyo

  • Kwalipikado para sa taunang bonus batay sa pagganap.
  • Segurong medikal.
  • Segurong dental.
  • Segurong pangmata.
  • Segurong pangbuhay.
  • Segurong pangkapansanan para sa maikli at mahabang panahon.
  • Segurong aksidente sa trabaho.
  • Panggrupong segurong legal.
  • Pinagsama-samang plano ng kumpanya para sa pagreretiro (pensiyon).
  • Plano sa pag-iimpok na 401(k).
  • Hanggang 120 oras na bakasyon bawat taon ng kalendaryo.
  • Hanggang 40 oras na sick leave bawat taon ng kalendaryo.
  • Bayad na mga holiday, kabilang ang hanggang 13 flexible holiday bawat taon ng kalendaryo.
  • Hanggang 40 oras bawat taon ng kalendaryo para sa trabaho, personal na gawain, at pamilya.
  • Hybrid na kaayusan sa trabaho.

Mga Kaugnay na Trabaho

Johnson & Johnson

Punong Siyentista, Agham ng Datos at mga Produktong Siyentipikong Datos

Johnson & Johnson

Pangungunahan ang pagbuo ng mga produktong siyentipikong datos na handa para sa AI para sa pagtuklas at pagbuo ng gamot sa Johnson & Johnson. Saklaw ng tungkulin ang integrasyon sa AWS, predictive modeling, metadata, at arkitektura ng siyentipikong datos.

Buksan
Johnson & Johnson

Punong Siyentista, Agham ng Datos – Mga Produkto at Integrasyon ng Datos (Hybrid, Spring House)

Johnson & Johnson

Pangunahan ang pagbuo ng mga produktong siyentipikong datos na handa para sa AI at mga estratehiya sa integrasyon para sa pagtuklas at pagbuo ng gamot ng Johnson & Johnson. Suportahan ang predictive modeling, knowledge graph, at mga pasya sa kaligtasang translasyonal.

Buksan
Johnson & Johnson

Direktor ng Agham ng Datos, Generatibong AI para sa Neuroscience

Johnson & Johnson

Pangunahan ang mga inisyatiba sa generatibo at agentikong AI sa buong R&D ng Neuroscience ng Johnson & Johnson, at bumuo ng mga siyentipikong platform na nagpapabilis sa pagtuklas ng gamot at sumusuporta sa mas mabuting resulta para sa mga pasyente.

Buksan
Johnson & Johnson

Direktor ng Data Science, Pagkuha ng Ebidensiya gamit ang AI

Johnson & Johnson

Pangunahan ang paggamit ng Johnson & Johnson ng AI para kumuha at magbuo ng sintesis ng ebidensiya para sa klinikal na pag-unlad sa Neuroscience. Bumuo ng mga nasusubaybayang workflow, mga asset ng data na magagamit muli, at mga kakayahan sa responsableng AI.

Buksan