Johnson & Johnson
Johnson & Johnson
Johnson & Johnson er et globalt helse- og legemiddelforetak som arbeider med innovative legemidler og medisinsk teknologi. Teamene utvikler løsninger innen onkologi, immunologi, nevrovitenskap, spesialisert oftalmologi, intervensjonsbehandling og ortopedi, og kombinerer vitenskap og teknologi for å møte komplekse helsebehov. Selskapet legger også vekt på likeverd i helse, miljømessig bærekraft samt mangfold og inkludering i arbeidet for helsepersonell, pasienter og lokalsamfunn over hele verden.

Hovedforsker innen datavitenskap – dataprodukter og integrasjon (hybrid, Spring House)

Led utviklingen av AI-klare vitenskapelige dataprodukter og integrasjonsstrategier for Johnson & Johnsons arbeid med legemiddeloppdagelse og -utvikling. Støtt prediktiv modellering, kunnskapsgrafer og beslutninger om translasjonell sikkerhet.

Beskrivelse

  • Led utformingen og videreutviklingen av vitenskapelige dataprodukter og integrasjonsstrategier for AI-støttet legemiddeloppdagelse og -utvikling.
  • Bygg skalerbare, interoperable og AI-klare dataprodukter på tvers av oppdagelse, preklinisk og klinisk forskning, sikkerhet og evidens fra den virkelige verden.
  • Fastsett dataarkitektur, integrasjon, metadata og produktifisering for semantisk resonnering, kunnskapsgrafer, GraphRAG, avansert analyse og agentisk AI.
  • Utvikle AI-resonnering og prediktive maskinlæringsmodeller for å informere beslutninger om translasjonell sikkerhet.
  • Fastsett og gjennomfør strategier for dataprodukter innen oppdagelsesforskning, translasjonsvitenskap, preklinisk sikkerhet, klinisk utvikling, legemiddelovervåking og evidens fra den virkelige verden.
  • Skap gjenbrukbare dataprodukter, veikart og skalerbare mønstre for analyse, AI, kunnskapsgrafer og vitenskapelig resonnering.
  • Utform integrasjons- og harmoniseringstilnærminger for SEND, SDTM, ADaM, MedDRA, bildedata, omikkdata, biomarkører, patologi og data fra den virkelige verden.
  • Fastsett strategier for utrulling av vitenskapelige dataprodukter på AWS.
  • Samarbeid med Amazons ingeniør- og plattformteam for å levere skalerbare datapipelines og produkter.
  • Gi teknisk ledelse og arkitektonisk oppfølging basert på anbefalinger fra Data Strategy.
  • Sørg for at digitale løsninger oppfyller krav til virksomhetsarkitektur, sikkerhet, styring og AI-beredskap.
  • Led utviklingen av kuraterte datasett, semantikk-klare produkter, feature stores, metadataprodukter, vitenskapelige datatjenester og AI-klare ressurser.
  • Fastsett gjenbrukbare metoder for dataonboarding, transformasjon, validering og publisering.
  • Definer metadatastandarder og rammeverk for datakvalitet.
  • Implementer dataopphav, proveniens, sporbarhet, FAIR-prinsipper, overvåking og kvalitetskontroller.
  • Samarbeid med forskere innen oppdagelse, toksikologi, klinikk, sikkerhet og data, samt partnere innen Data Strategy, kunnskapsarkitekter og AI-ingeniører.
  • Gjør vitenskapelige spørsmål om til skalerbare dataprodukter og tekniske løsninger.

Krav

  • Mastergrad eller ph.d. i informatikk, data engineering, bioinformatikk, biomedisinsk informatikk, informasjonssystemer, beregningsbiologi eller et beslektet vitenskapelig fagområde.
  • Minst fem års erfaring med vitenskapelig data engineering, dataarkitektur, dataprodukter eller informatikk innen livsvitenskap.
  • Erfaring med å utforme og levere vitenskapelige dataprodukter i stor skala på virksomhetsnivå.
  • Erfaring med å støtte organisasjoner innen legemiddeloppdagelse, -utvikling, klinisk forskning eller legemiddelovervåking.
  • Erfaring med å utvikle prediktive modeller for organisasjoner innen legemiddeloppdagelse, -utvikling, klinisk forskning eller legemiddelovervåking.
  • Sterk kompetanse innen dataarkitektur og modellering, utforming av dataprodukter, skybaserte plattformer, metadatabehandling, datastyring og utvikling av prediktive modeller.
  • Erfaring med AWS-dataplattformer, datasjøer og lakehouse-løsninger, distribuert prosessering, API-er og datatjenester samt verktøy for datakatalogisering og dataopphav.
  • God kjennskap til SEND, SDTM, ADaM og MedDRA.
  • Kjennskap til FHIR, OMOP, DICOM og standarder for biomarkør- og omikkdata er en fordel.
  • Erfaring med kunnskapsgrafer, semantiske arkitekturer, GraphRAG, AI-klare dataprodukter, feature stores, ontologibasert integrasjon, skyleverandører eller eksterne plattformteam og regulerte vitenskapelige miljøer er en fordel.
  • Evne til å definere langsiktige veikart for dataprodukter.
  • Evne til å knytte sammen vitenskapelige og tekniske team og påvirke tverrfaglige grupper uten direkte myndighet.

Fordeler

  • Pensjonsordning.
  • 401(k)-spareordning.
  • Program for langsiktige insentiver.
  • 120 ferietimer per kalenderår.
  • 40 timer sykefravær per kalenderår; 48 timer for ansatte i Colorado og 56 timer for ansatte i Washington.
  • 13 betalte helligdager per kalenderår, inkludert flytende helligdager.
  • Opptil 40 timer per kalenderår til arbeid samt personlig tid og familietid.
  • 480 timer foreldrepermisjon innen ett år etter fødsel, adopsjon eller plassering av et barn i fosterhjem.
  • Sorgpermisjon per kalenderår: 240 timer ved dødsfall i nærmeste familie eller 40 timer ved dødsfall i utvidet familie.
  • 80 timer omsorgspermisjon i en rullerende periode på 52 uker.
  • 32 timer frivilligpermisjon per kalenderår.
  • 80 timer fri for militære ektefeller per kalenderår.
  • Inkluderende tilrettelegging ved intervjuer for søkere med funksjonsnedsettelser.

Relaterte jobber

Johnson & Johnson

Principal scientist innen datavitenskap og vitenskapelige dataprodukter

Johnson & Johnson

Lede utviklingen av AI-klare vitenskapelige dataprodukter for Johnson & Johnsons arbeid med legemiddeloppdagelse og -utvikling. Rollen omfatter AWS-integrasjon, prediktiv modellering, metadata og vitenskapelig dataarkitektur.

Åpne
Johnson & Johnson

Direktør for datavitenskap innen generativ AI for nevrovitenskap

Johnson & Johnson

Led initiativer innen generativ og agentbasert AI på tvers av Johnson & Johnsons forskning og utvikling innen nevrovitenskap. Bygg vitenskapelige plattformer som fremskynder legemiddelutvikling og støtter bedre pasientresultater.

Åpne