Johnson & Johnson
Johnson & Johnson
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.

Principal scientist innen datavitenskap og vitenskapelige dataprodukter

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.

Beskrivelse

  • Lede utformingen og videreutviklingen av vitenskapelige dataprodukter og integrasjonsstrategier for AI-støttet legemiddeloppdagelse og -utvikling.
  • Bygge interoperable, AI-klare dataprodukter som kobler sammen data fra oppdagelse, preklinisk og klinisk forskning, sikkerhet og dokumentasjon fra den virkelige verden.
  • Fastsette dataarkitektur, integrasjon, metadata og produktutvikling for kunnskapsgrafer, GraphRAG, semantisk resonnering, avansert analyse og agentisk AI.
  • Lede strategien for dataprodukter innen oppdagelsesforskning, translasjonsvitenskap, preklinisk sikkerhet, klinisk utvikling, legemiddelovervåking og dokumentasjon fra den virkelige verden.
  • Skape gjenbrukbare dataprodukter for analyse, AI, kunnskapsgrafer og vitenskapelig resonnering.
  • Utvikle produktplaner som støtter organisasjonens prioriteringer og vitenskapelige mål.
  • Utforme rammeverk for integrasjon og harmonisering av SEND, SDTM, ADaM, MedDRA, bildedata, omikkdata, biomarkører, patologi og data fra den virkelige verden.
  • Planlegge implementeringen av vitenskapelige dataprodukter på AWS.
  • Samarbeide med Amazons ingeniør- og plattformteam om å levere skalerbare datapipelines og dataprodukter.
  • Gi teknisk lederskap og arkitektonisk veiledning i tråd med anbefalingene fra Data Strategy.
  • Sikre at digitale løsninger ivaretar behov innen virksomhetsarkitektur, sikkerhet, styring og AI-beredskap.
  • Lede utviklingen av kuraterte datasett, semantikk-klare produkter, feature stores, metadataprodukter, vitenskapelige datatjenester og AI-klare ressurser.
  • Fastsette gjenbrukbare metoder for onboarding, transformering, validering og publisering av data.
  • Definere metadatastandarder og rammeverk for datakvalitet.
  • Anvende prinsipper for dataopphav, proveniens, sporbarhet og FAIR-data.
  • Fastsette overvåking og kvalitetskontroller for vitenskapelige dataprodukter.
  • Bygge prediktive AI- og maskinlæringsmodeller for beslutninger om translasjonell sikkerhet.
  • Samarbeide med forskere innen oppdagelse, toksikologi, klinikk, sikkerhet og data, samt partnere innen Data Strategy, kunnskapsarkitekter og AI-ingeniører.
  • Gjøre vitenskapelige spørsmål om til skalerbare dataprodukter og tekniske løsninger.

Krav

  • Mastergrad eller doktorgrad 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 livsvitenskapsinformatikk.
  • Dokumentert 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.
  • Sterke ferdigheter innen dataarkitektur og modellering, utforming av dataprodukter, skybaserte plattformer, metadatahåndtering, datastyring og prediktiv modellering.
  • Erfaring med AWS-dataplattformer, datasjøer og lakehouse-løsninger, distribuert databehandling, 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 eller GraphRAG-initiativer er en fordel.
  • Erfaring med å bygge AI-klare dataprodukter og feature stores er en fordel.
  • Kjennskap til ontologibaserte metoder for dataintegrasjon.
  • Erfaring med å jobbe med skyleverandører eller eksterne plattformteam.
  • Erfaring fra vitenskapelige miljøer med strenge regulatoriske krav.
  • Strategisk tenkning og evne til å utforme langsiktige produktplaner for data.
  • Evne til å knytte sammen vitenskapelige og tekniske team og påvirke tverrfaglige grupper uten formell myndighet.
  • Gode gjennomføringsevner og fokus på skalerbare, gjenbrukbare løsninger.

Fordeler

  • Pensjonsordning.
  • 401(k)-spareordning.
  • Langsiktig insentivprogram.
  • 120 timer ferie per kalenderår.
  • 40 timer sykefravær per kalenderår; 48 timer for personer bosatt i Colorado og 56 timer for personer bosatt i Washington.
  • Betaling for helligdager, inkludert 13 valgfrie helligdager per kalenderår.
  • Opptil 40 timer per kalenderår til arbeid, personlige gjøremål og familietid.
  • 480 timer foreldrepermisjon innen ett år etter et barns fødsel, adopsjon eller plassering i fosterhjem.
  • Sorgpermisjon: 240 timer per kalenderår ved dødsfall i nærmeste familie eller 40 timer ved dødsfall i den utvidede familien.
  • Omsorgspermisjon: 80 timer i en rullerende periode på 52 uker; kilden oppgir også 10 dager.
  • 32 timer frivilligpermisjon per kalenderår.
  • 80 timer fri per kalenderår for ektefelle til militært personell.
  • Tilrettelegging under intervjuprosessen.
  • Hybrid arbeidsordning.

Relaterte jobber

Johnson & Johnson

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

Johnson & Johnson

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.

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