„Proxima“ yra biotechnologijų įmonė, kurianti integruotą atradimų platformą baltymų sąveikoms projektuoti ir programuoti. Jos metodas apjungia generatyvųjį dirbtinį intelektą, pažangų duomenų generavimą ir struktūrinį modeliavimą, kad būtų galima nustatyti artumu pagrįstus vaistus, įskaitant molekulinius induktorius, moduliatorius ir blokatorius. „Proxima“ taip pat bendradarbiauja su pramonės partneriais, siekdama pažangą sukeltu artumu grindžiamų atradimų srityje perkelti į vaistų kandidatų kūrimą.
Mašininio mokymosi inžinierius – nuotolinis darbas Niujorke
Kurkite Python ir PyTorch darbo eigas „Proxima“ dirbtiniu intelektu pagrįstai vaistų atradimo platformai. Tobulinkite mokslinį skaičiavimą, mašininio mokymosi infrastruktūrą ir įrankius, padedančius tyrėjams vykdyti bei vertinti eksperimentus.
Aprašymas
- Kurkite patikimas mokslines darbo eigas, kurias kolegos galėtų vykdyti, atkartoti ir šalinti jų triktis su minimaliomis rankinėmis pastangomis.
- Pridėkite modelius, duomenų rinkinius ir vertinimo metodus, išlaikydami duomenų vientisumą bei suderinamumą su esamais eksperimentais.
- Stiprinkite skaičiavimo darbo eigas tobulindami užduočių pateikimą, stebėjimą, atkūrimą po gedimų ir artefaktų sekimą.
- Raskite ir pašalinkite duomenų paruošimo, vykdymo ir vertinimo kliūtis, kad paspartintumėte tyrimų iteracijas.
- Kurkite prižiūrimas bibliotekas, paslaugas ir kūrėjų įrankius, kuriuos palaiko tinkamas testavimas, dokumentacija ir stebėsena.
- Prisidėkite prie sparčiai augančios įmonės kultūros.
- Glaudžiai bendradarbiaukite su tyrėjais ir infrastruktūros inžinieriais.
- Kaupkite patirtį automatizavimo, infrastruktūros, duomenų ir mašininio mokymosi srityse.
- Padėkite mokslininkams kurti modelius, vykdyti eksperimentus ir interpretuoti jų rezultatus.
- Šalinkite įdiegtų sistemų triktis – nuo mokymo duomenų rinkinių integravimo ir sustojusių išvadų užduočių diagnozavimo iki mokslinių rezultatų API kūrimo ir rankinių procesų automatizavimo.
Reikalavimai
- Tvirti Python ir programinės įrangos inžinerijos pagrindai, įskaitant duomenų struktūras, sąsajų projektavimą, testavimą, lygiagretumą ir metodišką trikčių šalinimą.
- Įrodyta programinės įrangos, nuo kurios priklauso kiti, pristatymo patirtis, įskaitant jos priežiūrą ir trikčių šalinimą po išleidimo.
- Patirtis kuriant arba palaikant mašininio mokymosi ar mokslinio skaičiavimo darbo eigas bei supratimas, kaip susiję duomenys, modelio vykdymas ir vertinimas.
- Būtina PyTorch patirtis.
- Patirtis naudojant programinę įrangą Linux aplinkoje.
- Patirtis dirbant su konteineriais.
- Patirtis diegiant pakeitimus naudojant automatinį testavimą ir CI/CD.
- Gebėjimas struktūruoti neaiškias problemas, dirbti savarankiškai ir įrodymais paaiškinti techninius kompromisus.
- Noras prisidėti prie automatizavimo, infrastruktūros, duomenų ir mašininio mokymosi sričių.
- Stiprus atsakomybės jausmas ir aiški komunikacija su mokslininkais bei inžinieriais.
- Gebėjimas veiksmingai naudoti dirbtinio intelekto kūrimo įrankius, prisiimant atsakomybę už sukurto kodo teisingumą ir prižiūrimumą.
- Kubernetes, debesijos platformų, darbo eigų orkestravimo, duomenų bazių arba skaičiuojamosios biologijos ir chemijos patirtis būtų privalumas.
- Biologijos ar chemijos išsilavinimas nebūtinas.
Privalumai
- Darbo skelbime nenurodyta jokių naudų, papildomų privilegijų ar papildomo atlygio.