Ang Corteva Agriscience ay isang kumpanyang nakatuon sa agham at teknolohiya para sa agrikultura, na bumubuo ng mga binhi, solusyon sa pangangalaga ng pananim, at digital na agrikultura. Nakatuon ang gawain nito sa pagtulong sa mga magsasaka na mapahusay ang pagiging produktibo habang sinusuportahan ang mas napapanatiling mga kasanayan sa pagsasaka at nakatutulong sa pangmatagalang seguridad sa pagkain. Pinagsasama ng kumpanya ang kadalubhasaan sa agham pang-agrikultura, teknolohiya, at inobasyon upang tugunan ang mga kumplikadong hamon ng makabagong agrikultura.
Siyentipiko ng Datos para sa Pagtuklas ng mga Biyolohikal na Produkto
Gumamit ng machine learning at deep learning upang pag-ugnayin ang datos sa pagtuklas ng mga mikrobyo at likas na produkto ng Corteva. Tumulong bumuo ng mga solusyon para sa kalusugan ng pananim sa pamamagitan ng pagtukoy at pagpapasulong sa mga promising na kandidato.
Paglalarawan
- Ilapat ang data science sa kimika at biyolohiya upang makatuklas ng mga mikrobyo at likas na produkto para sa kalusugan ng pananim.
- Bumuo ng mga predictive model mula sa genomic, metabolomic, at phenotypic na datos upang masuri at mapili ang mga prayoridad na kandidato.
- Pagsamahin ang mga natuklasan mula sa iba't ibang pipeline ng pagtuklas upang makita ang mga oportunidad na maaaring hindi mapansin ng mga pipeline kapag magkakahiwalay ang pagsusuri.
- Suriin at gamitin ang mga kasalukuyang pamamaraan ng AI at machine learning, kabilang ang deep learning, upang mapahusay ang predictive modeling.
- Makipagtulungan sa mga kasamahan sa data science, engineering, genomics, metabolomics, kimika, at biyolohiya.
- Paunlarin ang pinagsamang mga pipeline ng pagtuklas at gabayan ang pag-priyoridad, pagpili, at pagbuo ng mga kandidatong solusyon mula sa mikrobyo at likas na produkto.
Mga Kinakailangan
- Master's degree at hindi bababa sa limang taon ng karanasan sa trabaho pagkatapos ng pagtatapos, o PhD, sa isang quantitative na larangan gaya ng data science, statistics, mathematics, o computer science, o sa life o physical science gaya ng biology o chemistry.
- Matibay na kaalaman sa biyolohiya at kakayahang kritikal na suriin ang mga output ng modelo at bumuo ng mga masusubok at may kaugnayan sa negosyo na biyolohikal at biyokemikal na hypothesis.
- Napatunayang karanasan sa makabagong machine learning at deep learning na mga pamamaraan.
- Praktikal na karanasan sa kasalukuyang AI toolkit gaya ng PyTorch, transformer architecture, o generative AI na mga pamamaraan.
- Matibay na pag-unawa sa matematika at gawi ng modelo, kabilang ang disenyo ng training, mga sukatan sa pagsusuri, at calibration.
- Kakayahang bumuo ng mga tanong sa pananaliksik nang mag-isa, magtakda ng pamantayan ng tagumpay at mga paraan ng pagsusuri, at malinaw na magpaliwanag ng mga natuklasan.
- Mahuhusay na kasanayan sa Python o katumbas na programming para sa paghahanda at pagsusuri ng datos at mga aplikasyon ng machine learning.
- Napakahusay na kasanayan sa pasulat at pasalitang komunikasyon.
- Kakayahang mag-ambag sa isang cross-functional na pangkat ng proyekto.
- Mas mainam kung may karanasan sa multimodal, integrative, o digital twin na pagmomodelo.
- Mas mainam kung may karanasan sa pagsasama ng genomic, metabolomic, o phenotypic na datos para sa predictive modeling.
- Mas mainam kung may karanasan sa paggamit ng generative AI sa life sciences.
- Mas mainam kung may edukasyon o karanasan sa kimika ng likas na produkto, biochemistry, o microbiology.
- Mas mainam kung may karanasan sa pag-deploy ng mga modelo ng machine learning sa production at paggamit ng mga kasanayan sa MLOps, kabilang ang version control, containerization, workflow orchestration, at mga pipeline na reproducible at madaling panatilihin.
- Mas mainam kung may praktikal na kaalaman sa mga cloud computing system at platform.
- Mas mainam kung may karanasan sa mga agentic AI system o paggamit ng tool at multi-agent na arkitektura.
Mga Benepisyo
- Mga pagkakataong mapaunlad ang iyong mga kasanayan.
- Saklaw sa kalusugan para sa iyo at sa iyong pamilya simula sa unang araw ng trabaho.
- Apat na linggong bayad na bakasyon at dalawang linggong bayad na wellness leave bawat taon.
- Mga bayad na holiday.
- Hindi bababa sa 16 na linggong parental leave para sa mga ina at ama.
- Plano para sa pag-iimpok sa pagreretiro.
- Programa ng reimbursement sa matrikula.