Ang Roche ay isang pandaigdigang kumpanya sa pangangalagang pangkalusugan na pinagsasama ang pananaliksik at pagbuo ng mga gamot sa pagsusuring diagnostiko at digital na kalusugan. Nakatuon ang gawain nito sa pagpapabuti ng mga resulta para sa mga pasyente sa pamamagitan ng mas maagang pagtuklas, mas angkop na mga paggamot, at inobasyong nakabatay sa agham, kabilang ang mga tool na pinapagana ng artipisyal na intelihensiya. Bumubuo ang kumpanya ng mga solusyon para sa mga kumplikadong sakit gaya ng kanser at mga kondisyong neurological, habang nakikipagtulungan sa mga sistema ng pangangalagang pangkalusugan, mga kasosyo sa pananaliksik, at iba pang stakeholder sa buong mundo.
Senior na Siyentista sa Machine Learning, Pagpaplano at Pag-optimize ng Sintesis
Bumuo ng mga machine learning model para sa disenyo ng molekula na isinasaalang-alang ang sintesis, pagpaplano, pagbuo, at pag-optimize. Gumawa ng mga awtomatikong workflow sa sintesis upang suportahan ang pananaliksik ng Roche sa AI-driven na pagtuklas ng gamot.
Paglalarawan
- Isulong ang mga pamamaraan ng machine learning para sa disenyo ng molekula na isinasaalang-alang ang sintesis, kabilang ang retrosynthesis, pagpaplano ng sintesis, pagbuo ng molekula, at paghahanap sa mga chemical space na maaaring i-synthesize.
- Pagsamahin ang proprietary na datos sa mga reaksyon at biochemistry upang lumikha ng mga model at workflow na isinasaalang-alang ang sintesis para sa pagtuklas at pag-optimize ng mga hit compound.
- Bumuo ng maaasahan at scalable na active-learning pipeline na kumokonekta sa mga awtomatiko at high-throughput na platform ng sintesis.
- Lumikha ng mga batch synthesis-planning algorithm na nagpapahusay sa saklaw ng chemical space, information gain, at kahusayan ng mga eksperimento.
- Mag-ambag sa pag-unlad ng agham sa pamamagitan ng mga publikasyon, open-source na proyekto, at mga presentasyon sa kumperensya.
- Makipagtulungan sa mga computational at experimental scientist sa Roche at sa mga panlabas na akademikong collaborator.
- Bumuo ng mga machine learning approach na lumilikha ng mga molekulang maaaring i-synthesize at nag-uugnay sa generative design at awtomatikong sintesis.
Mga Kinakailangan
- Malalim na kadalubhasaan sa machine learning na nakabatay sa linear algebra, probability, at optimization.
- Praktikal na karanasan sa graph neural network, sequence o language model, at reinforcement learning.
- Praktikal na kaalaman sa mga konsepto ng chemistry na ginagamit sa pagpaplano ng sintesis at pag-optimize ng molekula.
- Karanasan sa paghawak ng mga dataset ng maliliit na molekula at paggamit ng mga cheminformatics tool gaya ng RDKit o OpenEye.
- Kasanayan sa Python.
- Karanasan sa mga makabagong machine learning framework, kabilang ang PyTorch o JAX.
- Background sa pagbuo ng scientific software.
- PhD o katumbas na karanasan sa pananaliksik sa machine learning, computational chemistry, chemical engineering, physics, statistics, o kaugnay na quantitative discipline.
- Hanggang dalawang taong karanasan sa pananaliksik sa industriya para sa antas na Scientist, o higit sa dalawang taon para sa antas na Senior Scientist.
- Katibayan ng kahusayan sa agham sa pamamagitan ng mga publikasyon sa journal o kumperensya, o pampublikong portfolio ng kaugnay na gawain.
- Mas gusto: Karanasan sa pagbuo ng retrosynthesis o synthesis-planning model.
- Mas gusto: Karanasan sa awtomatiko o high-throughput na sintesis.
Mga Benepisyo
- Maaaring mag-alok ng discretionary annual bonus batay sa indibidwal na performance at performance ng Kumpanya.
- Inilalarawan ang mga benepisyo sa ibinigay na link.