BigHat Biosciences
BigHat Biosciences
51 – 200 Alkalmazottak
EgészségügyGyártásTanácsadás
A BigHat Biosciences biotechnológiai vállalat, amely nehezen kezelhető betegségekre, többek között fertőzésekre és daganatos megbetegedésekre fejleszt antitestterápiákat. Milliner platformja a gépi tanulást nagy sebességű nedves laboratóriumi munkával ötvözi az antitestek megtervezéséhez és mérnöki fejlesztéséhez, így a számítási modelleket beemeli a kísérleti felfedezési folyamatba. A vállalat a lehetséges terápiák biztonságának és hatékonyságának javítására összpontosít, programjait pedig kutatási együttműködéseken és partnerségeken keresztül viszi előre.

Gépi tanulási igazgató, antitesttervezés

Vezessen gépi tanulási stratégiát és antitesttervezési modellezést a BigHat Biosciencesnél, összekapcsolva a fejlett modelleket, a laboratóriumi adatokat és az LLM-alapú automatizálást. Irányítson egy tapasztalt, több szakterületet képviselő csapatot, és segítse a hetente több mint 2000 antitestet támogató tervezési ciklusok fejlesztését.

Leírás

  • Határozza meg és fejlessze a BigHat gépi tanulási ütemtervét.
  • Jelölje ki a gépi tanulás jövőbeli irányát, és erősítse a BigHat vezető szerepét ezen a területen.
  • Építsen több célfüggvényű prediktív modelleket a BigHat adattárának és adatgenerálási képességeinek felhasználásával.
  • Fejlesszen és tanítson modelleket összetett, több specificitású antitestek tervezéséhez.
  • Alkalmazzon fejlett modelleket fehérjetervezési kihívásokra a BigHat adatkészleteivel.
  • Kapcsolja össze a laboratóriumi munkát, a számítási platformokat, az adatokat és az LLM-alapú automatizálást a tervezési ciklus javítása érdekében.
  • Irányítsa az egységes LLM- és gépi tanulási stratégiát a CIO-szervezet egészében.
  • Ösztönözze az LLM-ek, az ágenskeretrendszerek és a megerősítéses tanulás értékelési módszereinek biztonságos és hatékony használatát.
  • Gondoskodjon arról, hogy a modell eredetének nyomon követése és a benchmarkok megbízhatóan végigkövethetők legyenek az infrastruktúrában.
  • Biztosítsa, hogy a tervezési körök a modellekből származó ismereteket használják a hetente több mint 2000 antitestet tervező munkafolyamatokban.
  • Készítsen számítási elemzéseket, előrejelzéseket és optimalizált variánskészleteket a belső és partnerprogramok számára.
  • Alakítsa a BigHat adatgenerálási és modellezési képességeit a fejlett MI-vállalatoknak és biogyógyszeripari partnereknek szóló ajánlatokká.
  • Határozza meg a kísérleti projektek hatókörét és műszaki sikerkritériumait, majd valósítsa meg a projekteket.
  • Mentorálja és fejlessze a gépi tanulással foglalkozó tapasztalt kutatókból és mérnökökből álló csapatot.
  • Publikáljon, tartson előadásokat, és vegyen részt a gépi tanulással és fehérjemérnökséggel foglalkozó közösségek munkájában.

Követelmények

  • Doktori fokozat gépi tanulás, számítástudomány, számítási biológia vagy kapcsolódó területen.
  • Több mint nyolc év tapasztalat fejlett gépi tanulási módszerek fejlesztésében és alkalmazásában.
  • Az iparági tapasztalat kifejezetten előnyt jelent.
  • Bizonyított képesség műszaki csapatok vagy jelentős műszaki programok vezetésére.
  • Mély és naprakész szakértelem a modern gépi tanulásban, beleértve a fehérjeszekvenciák és -szerkezetek generatív modelljeit, a Bayes-féle optimalizálást, az aktív tanulást, a bizonytalanság számszerűsítését, az adathatékony prediktív modellezést és a kontextuson belüli tanulást.
  • Magas szintű Python- és PyTorch-ismeret.
  • Tapasztalat korszerű szoftverfejlesztési gyakorlatokkal, felhőalapú számítástechnikával és MLOps-szal.
  • Tapasztalat gépi tanulási megoldások éles rendszerekben történő bevezetésében.
  • Ismeretek a reprodukálhatóság, az eredet nyomon követése, a benchmarkolás és a ciklusidő terén.
  • Gyakorlati ismeretek az antitestbiológiáról, a fejleszthetőségről és a gyógyszerfejlesztésről, vagy képesség és hajlandóság ezek gyors elsajátítására.
  • A display módszerek, az NGS és a nagy áteresztőképességű biofizikai adatok ismerete jelentős előny.
  • Kiváló írásbeli és szóbeli kommunikációs készség.
  • Hatékony együttműködés különböző szakterületek képviselőivel, köztük fehérjekutatókkal, automatizálási mérnökökkel, szoftvermérnökökkel és gyógyszerfejlesztőkkel.
  • Hitelesség partnerek és külső közönség előtt.
  • Motiválja a BigHat küldetése és a lehetséges hatása.

Juttatások

  • Bónusz
  • Részvényopciók
  • Juttatások

Kapcsolódó állások

U.S. Bank

Vezető AI-mérnök, vállalati AI-gyorsítás

U.S. Bank

Irányítsa a biztonságos, méretezhető AI bevezetését a U.S. Banknál generatív AI-megoldások, újrafelhasználható mérnöki keretrendszerek és intelligens automatizálás létrehozásával. Működjön együtt üzleti és technológiai csapatokkal, hogy a vállalati AI-alkalmazások az ötlettől az éles használatig jussanak.

Megnyitás
Gusto

Senior FP&A AI-architektus a Gustónál

Gusto
1001 – 5000 Alkalmazottak
BiztosításEgészségügyTanácsadás

Alakítsd a Gusto CFO-szervezetének mesterséges intelligenciával támogatott tervezési, előrejelzési és jelentési folyamatait. Építs irányított pénzügyi adatrendszereket és automatizált munkafolyamatokat a jobb döntéshozatalért.

Megnyitás
Plenful

Staff gépi tanulási mérnök, Plenful (San Francisco, hibrid)

Plenful

Határozza meg a gépi tanulási ágensek, a modellek utólagos tanítása és az értékelés éles környezeti stratégiáját. Fejlesszen egészségügyi MI-automatizálást az adminisztratív munka csökkentésére és a megfelelőség erősítésére.

Megnyitás
Wells Fargo

Vezető mérnök, mesterséges intelligencia és digitális fizetések

Wells Fargo

Vezesse a digitális fizetések modernizációját és a mesterséges intelligencia bevezetését a Wells Fargónál. Alakítson ki megbízható, API-alapú platformokat, és adjon tanácsot a fogyasztói fizetési technológia vezetőinek.

Megnyitás
Poesis AI

Vezető gépi tanulási mérnök, pénzügyi mesterséges intelligencia

Poesis AI

Előrejelző jelzéseket, éles környezetben működő gépi tanulási modelleket és értékelési rendszereket fejleszt a Poesis AI autonóm befektetési platformjához. A mesterséges intelligenciát pénzügyi adatokon alkalmazza, a befektetési eredményekből pedig a modellek és az ágensek fejlesztéséhez merít tanulságokat.

Megnyitás