Alcon
Alcon
Gumagawa ang Alcon ng mga produktong pangangalaga sa mata na idinisenyo upang tulungan ang mga tao na makakita nang malinaw at mamuhay nang may higit na kaginhawaan sa paningin. Saklaw ng gawain nito ang inobasyon sa paningin, pananaliksik at pagpapaunlad, at paggawa ng mga produktong pangkalusugan ng mata, kabilang ang PRECISION7® na contact lens na pinapalitan bawat linggo. Bilang isang kompanya ng pangangalagang pangkalusugan na may pandaigdigang pokus, isinusulong ng Alcon ang mga solusyon sa paningin na naglalayong pagandahin ang kalidad ng pang-araw-araw na buhay.

Direktor ng Inobasyong Estadistikal at Agham ng Datos

Pangungunahan ang inobasyong estadistikal, machine learning, at AI para suportahan ang klinikal na pananaliksik at ebidensiya sa kalusugan ng mata ng Alcon. Bubuo ng mga napatunayan at nasusukat na modelo para sa gawaing siyentipiko sa mga kapaligirang regulado.

Paglalarawan

  • Pangungunahan ang gawaing kwantitatibo para suportahan ang klinikal na pagbuo at paglikha ng ebidensiya.
  • Gagamit ng mga pamamaraang estadistikal upang hubugin ang disenyo ng pag-aaral, pagsusuri, interpretasyon, at mga pasya sa pagbuo.
  • Bubuo at gagamit ng mga makabagong modelo, kabilang ang mga paraang linear at nonlinear, generalized linear model, mixed-effects at hierarchical model, pagsusuring longitudinal at survival, mga pamamaraang Bayesian, causal inference, at simulation.
  • Susuriin ang tugon sa paggamot, pag-usad ng sakit, pagkakaiba-iba, prediksyon, prognosis, benepisyo-panganib, at mga ugnayan sa klinikal, imaging, digital, iniulat ng pasyente, at real-world na datos.
  • Pamamahalaan ang data science at machine learning para sa prediksyon, klasipikasyon, clustering, pagsasapin ng mga pasyente, pagtukoy ng signal, at pagsusuri ng datos na may maraming dimensiyon.
  • Bubuo at susuriin ang mga deep learning na pamamaraan para sa ophthalmic imaging at multimodal na datos.
  • Pipili ng klasikal na pamamaraang estadistikal, machine learning, o deep learning ayon sa mga layuning siyentipiko at pangangailangang regulatori.
  • Magtatakda ng mga pamantayan sa pagbuo at pagpapatunay ng modelo, kabilang ang pagsasanay, pag-aangkop ng mga parameter, kalibrasyon, tibay, reproducibility, bias, interpretabilidad, kawalang-katiyakan, at tuloy-tuloy na pagsubaybay sa pagganap.
  • Susuriin ang mga bagong pamamaraan gaya ng generative AI at gagawing mga magagamit muli na kasangkapang analitikal ang mga prototype, na may pangangasiwa ng tao at pamamahala.
  • Makikipagtulungan sa mga pangkat ng Statistics, Clinical Development, Regulatory, Data Management, Digital, Quality, at Technology.
  • Makikipag-ugnayan sa mga programmer, data scientist, machine learning engineer, at data engineer.
  • Ipapaliwanag ang mga pamamaraang kwantitatibo at limitasyon ng mga modelo sa mga teknikal at hindi teknikal na tagapakinig.
  • Kakatawanin ang Alcon sa mga siyentipiko, regulatori, at panlabas na pakikipagsosyo.
  • Magtuturo at tutulong sa pag-unlad ng mga siyentistang kwantitatibo.
  • Palalawakin ang kadalubhasaan ng organisasyon sa estadistikal na pagmomodelo, data science, machine learning, deep learning, reproducible na pananaliksik, at responsableng AI.
  • Tutulong humubog sa pangmatagalang estratehiya, modelo ng operasyon, at direksiyong siyentipiko ng organisasyon ng Statistics.

Mga Kinakailangan

  • Bachelor’s degree o katumbas na bilang ng taon ng direktang kaugnay na karanasan.
  • Mga alternatibong kuwalipikasyon: diploma sa high school at 18 taong karanasan, associate degree at 14 na taon, master’s degree at 7 taon, o PhD at 6 na taon.
  • 10 taong kaugnay na karanasan.
  • 6 na taong napatunayang karanasan sa pamumuno.
  • Matatas na pagbasa, pagsulat, pag-unawa, at pakikipag-usap sa Ingles.
  • Mas gusto ang advanced degree (MSc o PhD) sa Statistics o Biostatistics; maaari ring maging kuwalipikado ang PhD sa malapit na kaugnay na larangang kwantitatibo.
  • Malalim na kaalaman sa statistical inference at pagmomodelo, kabilang ang mga modelong linear at nonlinear at iba pang makabagong pamamaraan.
  • Praktikal na karanasan sa data science, machine learning, at/o deep learning; mas mainam kung may klinikal, biomedical, imaging, digital health, o iba pang datos na maraming dimensiyon.
  • Kahusayan sa R at/o Python.
  • Karanasan sa mga analitikal na workflow na reproducible at kontrolado ang bersiyon, at sa makabagong kapaligirang pangkompyutasyon para sa statistics o machine learning.
  • Kakayahang pumili nang naaangkop sa mga klasikal na pamamaraang estadistikal, machine learning, deep learning, at hybrid na pamamaraan.
  • Karanasan sa pagsuporta sa klinikal na pagbuo, mga pagsusumite o pakikipag-ugnayan sa mga regulator, at mga publikasyong siyentipiko.
  • Kaalaman sa pagpapatunay ng modelo, integridad ng datos, at nagbabagong inaasahan para sa AI at machine learning sa mga kapaligirang regulado.

Mga Benepisyo

  • Mga pagkakataon para sa nakatuong paglago at propesyonal na pag-unlad.
  • Seguro sa kalusugan.
  • Seguro sa buhay.
  • Mga benepisyo sa pagreretiro.
  • Flexible na oras ng pahinga.
  • Tulong sa relokasyon.
  • Sponsorship ng visa.
  • Paglalakbay nang hanggang 10%.

Mga Kaugnay na Trabaho

Reddit, Inc.

Punong Siyentista ng Datos, Ecosystem ng mga User sa Reddit (Remote, US)

Reddit, Inc.
501 – 1,000 Mga Empleyado
MidyaPagkonsultaPagmemerkado

Pangungunahan ang pagsukat, pagmomodelo, at mga eksperimento para sa mga user, content, at komunidad ng Reddit. Itatakda ang estratehiya sa consumer science para sa pagtuklas, personalization, paglago, pagpapanatili, at pangmatagalang halaga.

Buksan
Stitch Fix

Punong Full-Stack na Siyentista sa Datos, mga Pundasyong Modelo

Stitch Fix

Pangunahan ang pagbuo ng pundasyong machine learning at mga sistema ng rekomendasyon para sa personalized na retail platform ng Stitch Fix. Bumuo ng mga production model gamit ang datos ng asal, transaksyon, teksto, at larawan.

Buksan