Johnson & Johnson er et globalt helse- og omsorgsselskap som arbeider med legemidler, medisinsk utstyr og forbrukerhelse. Selskapets forskning og produktutvikling omfatter legemidler og behandlinger innen onkologi, immunologi, nevrovitenskap samt hjerte- og lungesykdommer, i tillegg til MedTech-løsninger for hjerte- og karbehandling, ortopedi, kirurgi og synspleie. Den bredere virksomheten omfatter også opplæring innen helse og velvære, storskalaproduksjon, investoraktiviteter og globale initiativer med sosial påvirkning, noe som skaper muligheter innen vitenskapelige, kliniske, tekniske, produksjonsrelaterte, kommersielle og virksomhetsovergripende funksjoner.
Johnson & Johnson Ledende forsker innen AI-resonnering for legemiddelutvikling (hybrid)
Led utviklingen av multimodal AI-resonnering og agentarkitekturer for Johnson & Johnsons pipeline for legemiddelutvikling. Frem forskning innen usikkerhetskvantifisering, vitenskapelig validering og beregningsbasert legemiddelutvikling.
Beskrivelse
- Utforme en plattform for AI-resonnering for translasjonelle sikkerhetsbeslutninger på tvers av legemiddeloppdagelse og -utvikling
- Utvikle multimodale AI-systemer som kombinerer vitenskapelige data til handlingsrettet innsikt
- Bygge minnearkitekturer for agenter som gir vedvarende, kontekstbevisst intelligens fra oppdagelse til utvikling
- Lede forskning på usikkerhetskvantifisering og pålitelig AI-basert vitenskapelig resonnering
- Anvende nye fremskritt innen AI og maskinlæring på beregningsbasert legemiddeloppdagelse
- Være mentor for forskere og lede små forskningsgrupper
- Evaluere AI-agenter mot menneskelige eksperter og ledende benchmarkmetoder
- Dele forskningsresultater gjennom fremstående vitenskapelige publikasjoner
Krav
- Ph.d. innen AI/ML eller et beslektet fagområde som informatikk, maskinlæring, datavitenskap, anvendt matematikk eller statistikk
- Minst to års dokumentert yrkeserfaring
- Avansert kunnskap om bayesiansk inferens, usikkerhetskvantifisering, informasjonsteori, kausal inferens, grafnevrale nettverk og relaterte metoder
- Praktisk erfaring med LangGraph, DSPy, mem0, PyTorch og TensorFlow
- Svært gode programmeringsferdigheter i Python
- Evne til å utforme skalerbare systemer som kobler forskningsinnovasjon med produksjonssetting
- Evne til å lede små forskerteam
- Foretrukket: kunnskap om arbeidsflyter for legemiddeloppdagelse og biologiske datatyper
- Foretrukket: svært gode kunnskaper i statistikk og teknikker for validering av modellprestasjon
- Foretrukket: kjennskap til AWS og/eller Azure
Fordeler
- Konsolidert pensjonsordning med pensjon
- Spareordning med 401(k)
- 120 ferietimer per kalenderår
- 40 sykefraværstimer per kalenderår, økende til 48 timer for personer bosatt i Colorado og 56 timer for personer bosatt i Washington
- 13 betalte helligdager per kalenderår, inkludert bevegelige helligdager
- Opptil 40 timer til arbeid, personlige forhold og familietid per kalenderår
- 480 timer foreldrepermisjon innen ett år etter et barns fødsel, adopsjon eller plassering i fosterhjem
- Sorgpermisjon på 240 timer ved dødsfall i nærmeste familie og 40 timer ved dødsfall i utvidet familie per kalenderår
- 80 timer omsorgspermisjon i løpet av en rullerende periode på 52 uker
- 32 timer frivilligpermisjon per kalenderår
- 80 timer fri for ektefelle til militært personell per kalenderår
- Inkluderende tilrettelegging ved intervjuer og retningslinjer for like muligheter i arbeidslivet.
- felter