Johnson & Johnson
Johnson & Johnson
Johnson & Johnson to globalna firma z branży ochrony zdrowia, działająca w obszarach farmacji, wyrobów medycznych i zdrowia konsumenckiego. Jej działalność badawcza i rozwój produktów obejmują leki oraz terapie z zakresu onkologii, immunologii, neurologii i chorób sercowo-płucnych, a także rozwiązania MedTech stosowane w opiece sercowo-naczyniowej, ortopedii, chirurgii i okulistyce. Firma zajmuje się również edukacją na temat zdrowia i dobrego samopoczucia, produkcją na dużą skalę, relacjami z inwestorami oraz globalnymi inicjatywami społecznymi, tworząc możliwości pracy w obszarach naukowych, klinicznych, inżynieryjnych, produkcyjnych, komercyjnych i korporacyjnych.

Starszy menedżer ds. transformacji danych w neurobiologii (praca na miejscu)

Kieruj transformacją danych klinicznych i omicznych Johnson & Johnson Innovative Medicine w produkty gotowe do wykorzystania przez AI. Odpowiadaj za zarządzane potoki, produkty danych i procesy multiomiczne w ramach badań naukowych.

Opis

  • Tworzyć i wdrażać skalowalne, zarządzane produkty danych klinicznych i omicznych
  • Zarządzać pełnym cyklem życia produktu danych: od wymagań i modelowania po przetwarzanie, kontrolę jakości, metadane, pochodzenie danych, wersjonowanie, dostęp i dalsze udoskonalanie
  • Tworzyć skalowalne modele danych dla klinicznych danych z dziedziny neurobiologii pozyskiwanych przez AI z różnych źródeł i formatów
  • Budować i optymalizować potoki Nextflow i Tower z wykorzystaniem AWS S3, Snowflake i TileDB do wielkoskalowego przetwarzania danych multiomicznych
  • Opracowywać wielokrotnego użytku moduły przekształcające wyniki analiz do ujednoliconych formatów na potrzeby analityki danych i AI
  • Współpracować z zespołami Solution Architecture, Vector Data Engineering i Governance w celu stosowania zasad FAIR oraz wymogów zgodności
  • Kierować optymalizacją potoków, przeglądami kodu i stosowaniem najlepszych praktyk tworzenia oprogramowania
  • Współpracować z zespołami AI/ML Core i analityki danych w celu tworzenia wysokiej jakości zbiorów danych zgodnych z AI
  • Mentorować młodszych inżynierów oraz rozwijać standaryzację i optymalizację procesów roboczych w ramach badań
  • Wzmacniać interoperacyjność między warstwami danych odkrywczych, translacyjnych i klinicznych

Wymagania

  • Stopień magistra lub doktora w dziedzinie bioinformatyki, inżynierii danych, informatyki lub pokrewnej
  • Co najmniej pięć lat doświadczenia w tworzeniu potoków danych w naukach biologicznych, badaniach nad odkrywaniem leków lub środowiskach analitycznych
  • Praktyczne doświadczenie ze standardami i modelami danych klinicznych, takimi jak CDISC SDTM/ADaM, FHIR lub OMOP
  • Praktyczne doświadczenie w tworzeniu procesów multiomicznych obejmujących proteomikę, RNA-seq, metabolomikę lub dane jednokomórkowe
  • Praktyczne doświadczenie w stosowaniu metod osadzania lub reprezentacji wektorowych do integracji danych naukowych
  • Biegłość w Nextflow, AWS oraz skryptach w Pythonie lub Bashu
  • Znajomość Snowflake, TileDB i naukowych formatów danych
  • Wymagana znajomość danych z badań klinicznych i literatury naukowej
  • Doświadczenie branżowe lub w dziedzinie neurobiologii będzie dodatkowym atutem
  • Preferowane doświadczenie w neurobiologii, w tym w chorobach neurodegeneracyjnych, neuropsychiatrii lub okulistyce
  • Duża dbałość o szczegóły i potwierdzone zaangażowanie w jakość oraz odtwarzalność danych

Benefity

  • Roczna premia za wyniki
  • Ubezpieczenie medyczne
  • Ubezpieczenie stomatologiczne
  • Ubezpieczenie okulistyczne
  • Ubezpieczenie na życie
  • Ubezpieczenie od krótko- i długoterminowej niezdolności do pracy
  • Ubezpieczenie od wypadków przy pracy
  • Grupowe ubezpieczenie ochrony prawnej
  • Zakładowy plan emerytalny
  • Plan oszczędnościowy 401(k)
  • Do 120 godzin urlopu w roku kalendarzowym
  • Do 40 godzin zwolnienia chorobowego w roku kalendarzowym
  • Wynagrodzenie za dni świąteczne, w tym do 13 dodatkowych dni wolnych do wykorzystania w roku kalendarzowym
  • Do 40 godzin czasu na sprawy zawodowe, osobiste i rodzinne w roku kalendarzowym