Johnson & Johnson
Johnson & Johnson
Ang Johnson & Johnson ay isang pandaigdigang kompanya sa pangangalagang pangkalusugan na nagtatrabaho sa larangan ng makabagong medisina at teknolohiyang medikal. Bumubuo ang mga koponan nito ng mga solusyon sa onkolohiya, immunolohiya, neuroscience, espesyal na ophthalmology, interventional care, at orthopaedics, na pinagsasama ang agham at teknolohiya upang tugunan ang mga kumplikadong pangangailangan sa kalusugan. Binibigyang-diin din ng kompanya ang pagkakapantay-pantay sa kalusugan, pagpapanatili ng kapaligiran, pagkakaiba-iba, at inklusyon habang naglilingkod sa mga provider, pasyente, at komunidad sa buong mundo.

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

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.

Paglalarawan

  • Pangunahan ang disenyo at pagpapaunlad ng mga produktong siyentipikong datos at estratehiya sa integrasyon para sa pagtuklas at pagbuo ng gamot na pinapagana ng AI.
  • Bumuo ng mga produktong datos na handa para sa AI, nasusukat, at interoperable sa pagtuklas, preclinical, clinical, kaligtasan, at ebidensiya sa totoong mundo.
  • Itakda ang mga pamamaraan sa arkitektura ng datos, integrasyon, metadata, at pagbuo ng produkto para sa semantic reasoning, knowledge graph, GraphRAG, advanced analytics, at agentic AI.
  • Bumuo ng AI reasoning at mga predictive machine learning model upang makatulong sa mga pasya sa kaligtasang translasyonal.
  • Itakda at isakatuparan ang mga estratehiya sa produkto ng datos para sa pananaliksik sa pagtuklas, agham translasyonal, kaligtasang preclinical, clinical development, pharmacovigilance, at ebidensiya sa totoong mundo.
  • Lumikha ng mga produktong datos na magagamit muli, roadmap, at nasusukat na pattern para sa analytics, AI, knowledge graph, at siyentipikong pangangatwiran.
  • Magdisenyo ng mga paraan sa integrasyon at harmonisasyon para sa SEND, SDTM, ADaM, MedDRA, imaging, omics, biomarker, patolohiya, at datos sa totoong mundo.
  • Itakda ang mga estratehiya sa pag-deploy ng mga produktong siyentipikong datos sa AWS.
  • Makipagtulungan sa mga pangkat ng engineering at platform ng Amazon upang maghatid ng mga nasusukat na data pipeline at produkto.
  • Magbigay ng teknikal na pamumuno at pangangasiwa sa arkitektura ayon sa mga rekomendasyon ng Data Strategy.
  • Tiyaking natutugunan ng mga digital na solusyon ang mga kinakailangan sa arkitektura ng enterprise, seguridad, pamamahala, at kahandaan para sa AI.
  • Pangunahan ang paglikha ng mga piniling dataset, produktong handa sa semantika, feature store, produktong metadata, serbisyong siyentipikong datos, at asset na handa para sa AI.
  • Magtakda ng mga paraang magagamit muli para sa pagpasok, pagbabago, pagpapatunay, at paglalathala ng datos.
  • Tukuyin ang mga pamantayan ng metadata at balangkas ng kalidad ng datos.
  • Ipatupad ang lineage, pinagmulan, traceability, mga prinsipyo ng FAIR, pagmamanman, at mga kontrol sa kalidad.
  • Makipagtulungan sa mga siyentista sa pagtuklas, toxicology, clinical, kaligtasan, at datos, gayundin sa mga katuwang sa Data Strategy, arkitekto ng kaalaman, at AI engineer.
  • Gawing nasusukat na mga produkto ng datos at teknikal na solusyon ang mga tanong na siyentipiko.

Mga Kinakailangan

  • Master’s o PhD sa computer science, data engineering, bioinformatics, biomedical informatics, information systems, computational biology, o kaugnay na larangang siyentipiko.
  • Hindi bababa sa limang taong karanasan sa scientific data engineering, arkitektura ng datos, mga produkto ng datos, o life sciences informatics.
  • Karanasan sa pagdidisenyo at paghahatid ng mga produktong siyentipikong datos sa saklaw ng enterprise.
  • Karanasan sa pagsuporta sa mga organisasyon sa pagtuklas o pagbuo ng gamot, klinikal na pananaliksik, o pharmacovigilance.
  • Karanasan sa pagbuo ng mga predictive model para sa mga organisasyon sa pagtuklas o pagbuo ng gamot, klinikal na pananaliksik, o pharmacovigilance.
  • Matibay na kaalaman sa arkitektura at pagmomodelo ng datos, disenyo ng produkto ng datos, cloud-native na platform, pamamahala ng metadata, pamamahala ng datos, at pagbuo ng predictive model.
  • Karanasan sa mga AWS data platform, data lake at lakehouse, distributed processing, API at serbisyo ng datos, at mga kasangkapan sa pag-catalog at lineage ng datos.
  • Matibay na kaalaman sa SEND, SDTM, ADaM, at MedDRA.
  • Mas gusto ang kaalaman sa FHIR, OMOP, DICOM, at mga pamantayan ng datos para sa biomarker at omics.
  • Mas gusto ang karanasan sa knowledge graph, semantic architecture, GraphRAG, mga produktong datos na handa para sa AI, feature store, integrasyong batay sa ontology, cloud provider o panlabas na pangkat ng platform, at mga kontroladong kapaligirang siyentipiko.
  • Kakayahang magtakda ng pangmatagalang roadmap para sa produkto ng datos.
  • Kakayahang pag-ugnayin ang mga pangkat na siyentipiko at teknikal at impluwensiyahan ang mga pangkat na cross-functional nang walang direktang awtoridad.

Mga Benepisyo

  • Plano sa pensiyon sa pagreretiro.
  • Plano sa pagtitipid na 401(k).
  • Programa ng pangmatagalang insentibo.
  • 120 oras ng bakasyon bawat taon ng kalendaryo.
  • 40 oras ng sick leave bawat taon ng kalendaryo; 48 oras para sa mga empleyado sa Colorado at 56 oras para sa mga empleyado sa Washington.
  • 13 bayad na holiday bawat taon ng kalendaryo, kabilang ang mga floating holiday.
  • Hanggang 40 oras ng Work, Personal and Family Time bawat taon ng kalendaryo.
  • 480 oras ng parental leave sa loob ng isang taon mula sa kapanganakan, pag-aampon, o pagkakalagay sa foster care ng bata.
  • Bereavement leave bawat taon ng kalendaryo: 240 oras para sa agarang kapamilya o 40 oras para sa pinalawak na pamilya.
  • 80 oras ng caregiver leave sa loob ng rolling 52-week period.
  • 32 oras ng volunteer leave bawat taon ng kalendaryo.
  • 80 oras ng pahinga para sa asawa ng kasapi ng militar bawat taon ng kalendaryo.
  • Mga inklusibong akomodasyon sa panayam para sa mga aplikanteng may kapansanan.

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

Direktor ng Data Science, Pagkuha ng Ebidensiya gamit ang AI

Johnson & Johnson

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.

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