BigHat Biosciences
BigHat Biosciences
Ang BigHat Biosciences ay isang kompanyang biyoteknolohiya na bumubuo ng mga antibody therapy para sa mahihirap gamuting sakit, kabilang ang mga impeksiyon at kanser. Pinagsasama ng Milliner platform ang machine learning at mabilis na wet lab upang magdisenyo at mag-engineer ng mga antibody, at maisama ang mga computational model sa prosesong eksperimental ng pagtuklas. Nakatuon ang kumpanya sa pagpapahusay ng kaligtasan at bisa ng mga posibleng therapy at isinusulong ang mga programa nito sa pamamagitan ng mga kolaborasyon sa pananaliksik at pakikipagsosyo.

Direktor ng Machine Learning, Disenyo ng Antibody

Pangunahan ang estratehiya sa machine learning at pagmomodelo ng disenyo ng antibody sa BigHat Biosciences sa pamamagitan ng pagsasama ng mga makabagong modelo, datos sa laboratoryo, at awtomasyong LLM. Gabayan ang nakatatandang pangkat na binubuo ng iba’t ibang disiplina at tumulong pahusayin ang mga siklo ng disenyo para sa mahigit 2,000 antibody bawat linggo.

Paglalarawan

  • Itakda at pinuhin ang roadmap ng BigHat para sa machine learning.
  • Tukuyin ang direksiyon ng machine learning sa hinaharap at isulong ang pamumuno ng BigHat sa larangan.
  • Bumuo ng mga predictive model na may maraming layunin gamit ang imbakan ng datos at kakayahan sa paglikha ng datos ng BigHat.
  • Bumuo at magsanay ng mga modelo para sa masalimuot at multispecific na disenyo ng antibody.
  • Ilapat ang mga makabagong modelo sa mga hamon sa disenyo ng protina gamit ang mga dataset ng BigHat.
  • Pag-ugnayin ang gawain sa laboratoryo, mga computational platform, datos, at awtomasyong LLM upang mapahusay ang siklo ng disenyo.
  • Pangunahan ang pinag-isang estratehiya sa LLM at machine learning sa buong organisasyon ng CIO.
  • Itaguyod ang ligtas at mabisang paggamit ng mga LLM, agent framework, at paraan ng pagsusuri sa reinforcement learning.
  • Tiyaking maaasahang naitatala sa imprastraktura ang pinagmulan ng modelo at mga benchmark.
  • Tiyaking ginagamit ang mga pananaw mula sa modelo sa mga round ng disenyo sa mga workflow na nagdidisenyo ng mahigit 2,000 antibody bawat linggo.
  • Magbigay ng computational analysis, mga prediksiyon, at mga na-optimize na hanay ng variant para sa mga panloob na programa at programa ng mga kasosyo.
  • Gawing mga alok para sa mga nangungunang kompanya ng AI at kasosyo sa biopharma ang mga kakayahan sa paglikha ng datos at pagmomodelo.
  • Itakda ang saklaw ng pilot at pamantayan ng teknikal na tagumpay, saka isagawa ang mga pilot.
  • Mag-mentor at magpaunlad ng nakatatandang pangkat ng mga siyentista at inhinyero sa machine learning.
  • Maglathala, magbigay ng presentasyon, at lumahok sa mga komunidad ng machine learning at protein engineering.

Mga Kinakailangan

  • Ph.D. sa machine learning, computer science, computational biology, o kaugnay na larangan.
  • Mahigit walong taong karanasan sa pagbuo at paggamit ng mga makabagong pamamaraan sa machine learning.
  • Lubos na pinahahalagahan ang karanasan sa industriya.
  • Napatunayang kakayahang mamuno ng mga teknikal na pangkat o mahahalagang teknikal na programa.
  • Malalim at napapanahong kadalubhasaan sa makabagong machine learning, kabilang ang mga generative model ng sequence at istruktura ng protina, Bayesian optimization, active learning, pagsukat ng kawalang-katiyakan, predictive modeling na matipid sa datos, at in-context learning.
  • Mahusay sa Python at PyTorch.
  • Karanasan sa mga makabagong gawi sa software engineering, cloud computing, at MLOps.
  • Karanasan sa pag-deploy ng machine learning sa mga production system.
  • Kaalaman sa reproducibility, pinagmulan ng modelo, benchmarking, at cycle time.
  • Kaalamang magamit sa antibody biology, developability, at pagpapaunlad ng gamot, o kakayahan at kahandaang matutuhan ang mga ito nang mabilis.
  • Malaking bentahe ang pagiging pamilyar sa display, NGS, at high-throughput biophysical data.
  • Napakahusay na kasanayan sa pasulat at pasalitang komunikasyon.
  • Kakayahang epektibong makipagtulungan sa iba’t ibang disiplina kasama ang mga protein scientist, automation engineer, software engineer, at drug developer.
  • May kredibilidad sa mga kasosyo at panlabas na tagapakinig.
  • Nahihikayat ng misyon ng BigHat at ng potensyal nitong epekto.

Mga Benepisyo

  • Bonus
  • Mga stock option
  • Mga benepisyo

Mga Kaugnay na Trabaho

U.S. Bank

Punong AI Engineer, Pagpapabilis ng Enterprise AI

U.S. Bank

Pangunahan ang ligtas at nasusukat na paggamit ng AI sa U.S. Bank sa pamamagitan ng paghahatid ng mga generative AI solution, muling magagamit na balangkas sa engineering, at matalinong automation. Makipagtulungan sa mga pangkat ng negosyo at teknolohiya upang maisakatuparan ang mga enterprise AI use case mula konsepto hanggang produksyon.

Buksan
Gusto

Senior na Arkitekto ng AI para sa FP&A sa Gusto

Gusto

Hulmahin ang pagpaplano, pagtataya, at pag-uulat na pinapagana ng AI para sa organisasyon ng CFO ng Gusto. Bumuo ng pinamamahalaang mga sistema ng datos sa pananalapi at awtomatikong daloy ng trabaho upang mapahusay ang pagpapasya.

Buksan
Plenful

Staff Machine Learning Engineer, Plenful (San Francisco, Hybrid)

Plenful

Magtakda ng estratehiya sa produksyon para sa mga machine learning agent, post-training ng modelo, at ebalwasyon. Bumuo ng healthcare AI automation upang mabawasan ang gawaing administratibo at patatagin ang pagsunod sa mga regulasyon.

Buksan
Poesis AI

Punong Inhinyero sa Machine Learning, AI sa Pananalapi

Poesis AI

Bumuo ng mga predictive signal, production machine learning model, at sistema ng pagsusuri para sa autonomous investment platform ng Poesis AI. Ilapat ang AI sa datos pinansyal at gamitin ang mga resulta ng pamumuhunan upang pagbutihin ang mga modelo at agent.

Buksan