LogoFresh Jobs Ahead
Xenon Seven
Xenon Seven
11 – 50 Mga Empleyado
PagkonsultaPagmamanupakturaPangangalagang pangkalusugan
Nagbibigay ang Xenon Seven ng pagkonsulta sa AI at datos para sa mga organisasyon sa pangangalagang pangkalusugan, serbisyong pinansyal, retail, teknolohiya, automotive, enerhiya, at pagmamanupaktura. Saklaw ng trabaho nito ang generative AI, predictive analytics, computer vision, robotics, at suporta sa pagpapasya. Tinutulungan nito ang mga team na suriin ang mga oportunidad, bumuo at magpalawak ng mga kakayahan sa AI, at pagbutihin ang imprastrakturang sumusuporta sa mga ito. Nakabatay ang kumpanya sa isang network ng mga espesyalista sa AI mula sa mahigit 20 institusyon at binibigyang-diin ang ligtas na pagpapatupad at maaasahang paglipat sa mga operasyong pinapagana ng AI.
LinkedIn
Mga Trabaho sa Kumpanya

Siyentipiko ng Klinikal na Datos, Digital Twin at mga Klinikal na Pagsubok

Bumubuo ng mga digital twin at simulation upang makatulong sa pagdidisenyo ng mga klinikal na pagsubok sa parmasyutiko. Pinagsasama ang klinikal na datos at AI at machine learning upang masuportahan ang mga pasyang batay sa ebidensiya.

USEstados UnidosILIllinoisOHOhioHybridFull-timeGitnang antasSeniorKinakailangang Wika: InglesSiyentipiko ng datos
CloudPython

Paglalarawan

  • Pangasiwaan ang pagbuo at pagsusuri ng mga digital twin ng pasyente, sakit, tugon sa paggamot, at klinikal na pagsubok gamit ang datos mula sa mga klinikal na pagsubok at iba pang kaugnay na panlabas na datos.
  • Ilapat ang mga mekanistiko, estadistikal, sanhi-at-bungang, at machine-learning na pamamaraan upang lumikha ng mga digital twin para sa iba't ibang populasyon, interbensiyon, estratehiya sa dosis, endpoint, at disenyo ng pagsubok.
  • Tukuyin ang mga gamit at kung paano gagamitin ang mga digital twin kasama ng mga eksperto sa klinikal at kuwantitatibong larangan.
  • Suriin ang pagkakalibrate, pagpapatibay, katatagan, kakayahang mailapat sa ibang konteksto, kawalang-katiyakan, at praktikal na kabuluhan ng modelo gamit ang mga panloob at panlabas na estratehiya.
  • Bumuo ng mga workflow na nauulit at mga bahaging digital twin na magagamit muli sa iba't ibang programa at larangang panterapeutika.
  • Makipagtulungan sa mga pangkat ng pagsubok upang suriin ang target na populasyon, pamantayan sa pagiging kwalipikado, mga estratehiya sa pagpapayaman, mga paghahambing, endpoint, iskedyul ng pagbisita, estratehiya sa dosis, at mga konsiderasyong operasyonal.
  • Gamitin ang mga digital twin at simulation upang paghambingin ang mga sitwasyon, sukatin ang kawalang-katiyakan, at makatulong sa mga pasyang nakabatay sa modelo.
  • Makipag-ugnayan sa mga estadistiko at pharmacometrician upang iayon ang mga pagsusuri sa mga layuning klinikal at pangregulasyon.
  • Ipaliwanag sa mga teknikal at di-teknikal na stakeholder ang mga palagay, limitasyon, at natuklasang mahalaga sa pagpapasya.
  • Suriin at pagsamahin ang datos ng klinikal na pagsubok, biomarker, imaging, digital health, omics, mga kinalabasang iniulat ng pasyente, at datos mula sa aktuwal na paggamit.
  • Makipagtulungan sa mga pangkat ng data engineering at platform upang maghanda ng mga dataset na handa para sa pagsusuri at magtakda ng mga pagsusuri sa kalidad ng datos, pagsubaybay sa pinagmulan, at mga pipeline na nauulit.
  • Maghanda ng dokumentasyong siyentipiko, mga presentasyon, at publikasyon, at suportahan ang responsableng paggamit ng mga pamamaraan ng digital twin.
  • Itakda ang nilalayong gamit, konteksto ng pagpapasya, pamantayan ng tagumpay, at mga limitasyon bago bumuo ng mga modelo.
  • Tiyaking madaling maunawaan, naa-audit, at nauulit ang mga modelo at sinusuportahan ng ebidensiya.
  • Sundin ang mga kinakailangan sa pamamahala, privacy, seguridad, at siyentipikong pagsusuri para sa klinikal na datos at mga output ng pagsusuri.
  • Ihiwalay ang mga eksploratoryong pagsusuri sa napatunayang ebidensiya para sa suporta sa pagpapasya at tumpak na ilarawan ang kakayahan ng mga modelo.

Mga Kinakailangan

  • PhD sa data science, statistics, biostatistics, pharmacometrics, computer science, biomedical informatics, engineering, mathematics, operations research, o kaugnay na disiplinang kuwantitatibo.
  • Napatunayang karanasan sa pagbuo ng mga digital twin, virtual na pasyente, modelo ng pag-usad ng sakit, simulation ng klinikal na pagsubok, synthetic control, o katulad na modelong komputasyonal.
  • Matibay na karanasan sa paggamit ng machine learning, estadistikal na pagmomodelo, causal inference, o simulation sa biomedical, pangangalagang pangkalusugan, parmasyutiko, o iba pang kumplikadong siyentipikong datos.
  • Mahusay na kasanayan sa programming gamit ang Python, R, o katulad na wikang analitikal, at karanasan sa version control at mga workflow na nauulit.
  • Sapat na kaalaman sa clinical development upang makabuo ng mahahalagang tanong at epektibong makipagtulungan sa mga klinikal at kuwantitatibong eksperto sa pagsubok.
  • Kakayahan at interes na palawakin ang kaalaman sa disenyo ng klinikal na pagsubok kasama ng mga klinikal na siyentipiko, biostatistician, at pharmacometrician.
  • Mahusay na pasalita at pasulat na komunikasyon, at napatunayang epektibong pakikipagtulungan sa iba't ibang tungkuling siyentipiko.
  • Mas gusto: karanasan sa pagsuporta sa disenyo ng klinikal na pagsubok, pagbuo ng protocol, estratehiya sa clinical development, model-informed drug development, o kuwantitatibong ebidensiyang inihaharap sa mga regulator.
  • Pamilyaridad sa mga paksa sa disenyo ng pagsubok gaya ng estratehiya sa endpoint, mga palagay sa laki ng sample o statistical power, pagpili o pagpapayaman ng pasyente, longitudinal na kinalabasan, nawawalang datos, adaptive na disenyo, o pamantayan sa pagpapasya.
  • Kaalaman sa arkitektura at pagpapatibay ng digital twin, causal inference, Bayesian modeling, survival analysis, longitudinal modeling, simulation ng klinikal na pagsubok, o synthetic control.
  • Karanasan sa mga pamantayan ng klinikal na datos at karaniwang pinagmumulan ng datos sa clinical development.
  • Karanasan sa biomarker, imaging, omics, digital health, o datos mula sa aktuwal na paggamit, kabilang ang pagsasama-sama ng maraming uri ng datos.
  • Karanasan sa paggamit ng mga nasusukat at cloud-based na kapaligirang analitikal.
  • Napatunayang kakayahang gawing mga pasya, kakayahang magamit muli, publikasyon, presentasyon, o iba pang nasusukat na kinalabasang siyentipiko ang gawaing analitikal.

Mga Kaugnay na Trabaho

Ritchie Bros.

Pinunong Siyentista ng Datos, Chicago (Hybrid)

Ritchie Bros.
1,001 – 5,000 Mga Empleyado
Sponsor ng H1B VisaKonstruksiyonLogisticsPagkonsulta
USEstados UnidosILIllinois
$133,690 – $167,120 / taon
HybridFull-timeSeniorKinakailangang Wika: InglesSiyentipiko ng datos

Pangunahan ang mga pangkat ng data science sa pagbuo ng nasusukat na machine learning at mga solusyon sa advanced analytics. Makipagtulungan sa IT, mga ehekutibo, pangkat ng produkto, at iba pang stakeholder sa mga inisyatiba ng buong kumpanya.

Buksan
Ritchie Bros.

Nangungunang Siyentista ng Datos

Ritchie Bros.
1,001 – 5,000 Mga Empleyado
Sponsor ng H1B VisaKonstruksiyonLogisticsPagkonsulta
USEstados UnidosILIllinois
$133,690 – $167,120 / taon
HybridFull-timeSeniorKinakailangang Wika: InglesSiyentipiko ng datos

Pangunahan ang pangkat ng data science na bumubuo ng scalable na machine learning at advanced analytics para sa negosyo. Pamahalaan at gabayan ang mga siyentista ng datos, pangasiwaan ang pagbuo ng mga modelo, at makipagtulungan sa IT, produkto, mga ehekutibo, at iba pang stakeholder.

Buksan
Capital One

Tagapamahala, Siyentista ng Datos – Estratehiya sa Alternatibong Datos

Capital One
Sponsor ng H1B VisaFintechPagbabangkoPananalapi
USEstados UnidosILIllinoisNYNew YorkVAVirginia
$179,400 – $245,600 / taon
HybridFull-timeGitnang antasSeniorKinakailangang Wika: InglesSiyentipiko ng datos
AWSCloudOpen sourcePythonSpark

Pangunahan ang gawain sa data science sa Capital One upang suriin ang alternatibong datos para sa mga pasya sa credit ng US Card. Bumuo ng mga machine learning model, feature ng datos, at mga sistemang scalable para sa pagsubaybay.

Buksan
Grubhub

Senior Staff na Data Scientist, Marketplace

Grubhub
1,001 – 5,000 Mga Empleyado
Sponsor ng H1B VisaLogisticsPagkain at inuminPamilihan
USEstados UnidosILIllinoisNYNew York
$216,000 – $249,500 / taon
HybridFull-timeSeniorKinakailangang Wika: InglesSiyentipiko ng datos
PythonSQL

Itinatakda ang direksiyon ng data science at machine learning para sa marketplace ng Wonder, at ginagabayan ang causal inference, eksperimento, mga production system, at teknikal na gawaing magkakaugnay ang mga pangkat.

Buksan