A Roche é uma empresa global de saúde que combina pesquisa e desenvolvimento farmacêutico com testes diagnósticos e saúde digital. Seu trabalho se concentra em melhorar os resultados para os pacientes por meio de detecção mais precoce, tratamentos mais direcionados e inovação orientada pela ciência, incluindo ferramentas habilitadas por inteligência artificial. A empresa desenvolve soluções para doenças complexas, como câncer e condições neurológicas, enquanto trabalha com sistemas de saúde, parceiros de pesquisa e outras partes interessadas em todo o mundo.
Cientista sênior de aprendizado de máquina, planejamento e otimização de síntese
Desenvolva modelos de aprendizado de máquina para design molecular orientado à síntese, planejamento, geração e otimização. Crie fluxos de trabalho de síntese automatizada para apoiar a pesquisa da Roche em descoberta de medicamentos orientada por IA.
Descrição
- Aprimore métodos de aprendizado de máquina para design molecular orientado à síntese, incluindo retrosíntese, planejamento de síntese, geração molecular e busca em espaços químicos sintetizáveis.
- Combine dados próprios de reações e bioquímica para criar modelos e fluxos de trabalho orientados à síntese para descoberta e otimização de compostos candidatos.
- Desenvolva pipelines de aprendizado ativo confiáveis e escaláveis que se conectem a plataformas de síntese automatizada e de alto rendimento.
- Crie algoritmos de planejamento de síntese em lote que melhorem a cobertura do espaço químico, o ganho de informação e a eficiência experimental.
- Contribua para o progresso científico por meio de publicações, projetos de código aberto e apresentações em conferências.
- Colabore com cientistas computacionais e experimentais da Roche e com colaboradores acadêmicos externos.
- Desenvolva abordagens de aprendizado de máquina que gerem moléculas sintetizáveis e conectem o design generativo à síntese automatizada.
Requisitos
- Experiência avançada em aprendizado de máquina, fundamentada em álgebra linear, probabilidade e otimização.
- Experiência prática com redes neurais de grafos, modelos de sequência ou linguagem e aprendizado por reforço.
- Conhecimento prático de conceitos de química usados no planejamento de síntese e na otimização molecular.
- Experiência com conjuntos de dados de moléculas pequenas e com ferramentas de quimioinformática, como RDKit ou OpenEye.
- Proficiência em Python.
- Experiência com frameworks contemporâneos de aprendizado de máquina, incluindo PyTorch ou JAX.
- Experiência em desenvolvimento de software científico.
- Doutorado ou experiência de pesquisa equivalente em aprendizado de máquina, química computacional, engenharia química, física, estatística ou outra disciplina quantitativa relacionada.
- Até dois anos de experiência em pesquisa na indústria para o nível de Cientista, ou mais de dois anos para o nível de Cientista Sênior.
- Evidências de excelência científica por meio de publicações em periódicos ou conferências, ou de um portfólio público de trabalhos relevantes.
- Preferencial: experiência no desenvolvimento de modelos de retrosíntese ou planejamento de síntese.
- Preferencial: experiência com síntese automatizada ou de alto rendimento.
Benefícios
- Um bônus anual discricionário poderá ser oferecido com base no desempenho individual e da empresa.
- Os benefícios estão descritos no link fornecido.