Proximaは、タンパク質間相互作用の設計とプログラミングを可能にする統合型創薬プラットフォームを開発するバイオテクノロジー企業です。生成AI、高度なデータ生成、構造モデリングを組み合わせたアプローチにより、分子誘導剤、モジュレーター、ブロッカーなど、近接性に基づく医薬品の特定に取り組んでいます。また、業界パートナーと連携し、誘導近接性に関する発見を医薬品候補へと発展させています。
機械学習エンジニア－ニューヨーク・リモート
Proxima の AI 創薬プラットフォーム向けに、Python と PyTorch のワークフローを構築します。科学計算、機械学習インフラ、研究者による実験の実行・評価を支援するツールを改善します。
仕事内容
- 同僚が最小限の手作業で実行、再現、トラブルシューティングできる、信頼性の高い科学ワークフローを作成する。
- データの完全性と既存実験との互換性を維持しながら、モデル、データセット、評価手法を追加する。
- ジョブの投入、監視、障害からの復旧、アーティファクトの追跡を改善し、計算ワークフローを強化する。
- データ準備、実行、評価におけるボトルネックを見つけて解決し、研究の反復を加速する。
- 適切なテスト、ドキュメント、監視で支えられた、保守しやすいライブラリ、サービス、開発者向けツールを開発する。
- 急速に成長する企業の文化を支える。
- 研究者やインフラエンジニアと密接に連携する。
- 自動化、インフラ、データ、機械学習の幅広い領域で経験を積む。
- 科学者がモデルを作成し、実験を行い、結果を解釈できるよう支援する。
- トレーニングデータセットの統合、停止した推論ジョブの診断、科学的な結果向け API の作成、手作業の自動化など、デプロイ済みシステムのトラブルシューティングを行う。
応募要件
- データ構造、インターフェース設計、テスト、並行処理、体系的なデバッグを含む、Python とソフトウェアエンジニアリングの確かな基礎。
- 他者が依存するソフトウェアを提供した実績。リリース後の保守とトラブルシューティングを含む。
- 機械学習または科学計算のワークフローを構築・支援した経験があり、データ、モデル実行、評価のつながりを理解していること。
- PyTorch の経験が必須。
- Linux 上でソフトウェアを実行した経験。
- コンテナを扱った経験。
- 自動テストと CI/CD を通じて変更を提供した経験。
- 曖昧な問題を整理し、自律的に働き、根拠を示して技術的なトレードオフを説明できること。
- 自動化、インフラ、データ、機械学習の領域を横断して貢献する意欲。
- 強い当事者意識を持ち、科学者やエンジニアと明確にコミュニケーションできること。
- AI 開発ツールを効果的に使いながら、生成されたコードの正確性と保守性に責任を持てること。
- Kubernetes、クラウドプラットフォーム、ワークフローオーケストレーション、データベース、計算生物学・計算化学の経験があれば歓迎。
- 生物学または化学のバックグラウンドは必須ではない。
福利厚生
- 求人情報には福利厚生、手当、追加報酬の記載がありません。