A PostEra é uma empresa de biotecnologia e inteligência artificial focada em melhorar a forma como novos medicamentos são descobertos. Sua plataforma Proton aplica aprendizado de máquina à química medicinal, ajudando pesquisadores a enfrentar desafios complexos na descoberta de medicamentos e a acelerar o desenvolvimento de possíveis terapias. Fundada em 2020, a PostEra trabalha com organizações farmacêuticas, incluindo Pfizer e Amgen, em abordagens baseadas em inteligência artificial para o desenvolvimento de medicamentos.
Pesquisador de Aprendizado de Máquina em Ciência Agêntica na PostEra (Remoto)
A PostEra busca um pesquisador de aprendizado de máquina para desenvolver sistemas agênticos e modelos adaptativos voltados à biotecnologia orientada por IA. A função aplica métodos computacionais à química medicinal e à descoberta de medicamentos.
Descrição
- Desenvolver a função de pesquisa agêntica da PostEra automatizando a modelagem mecanística de processos bioquímicos e fisiológicos
- Analisar dados biológicos para validar alvos e orientar decisões de descoberta de medicamentos com modelos de aprendizado de máquina
- Criar métodos de aprendizado de máquina que se adaptem a novos desafios de descoberta de medicamentos com dados rotulados limitados
- Desenvolver sistemas de aprendizado em contexto e modelos fundamentais moleculares e tabulares usando dados multimodais proprietários
- Avaliar exemplos e tarefas anteriores relevantes, medir quando a transferência ajuda ou prejudica e fornecer previsões confiáveis sob mudança de distribuição
- Definir tarefas, criar conjuntos de dados e episódios de avaliação, estabelecer linhas de base, treinar e escalar modelos, executar ablações rigorosas e transformar métodos eficazes em capacidades científicas
- Desenvolver e comparar sistemas agênticos para modelagem biológica e fisiológica quantitativa
- Liderar projetos de pesquisa independentes em aprendizado em contexto, sistemas agênticos, adaptação com poucos exemplos, modelos fundamentais tabulares e aprendizado de máquina molecular
- Projetar e treinar modelos que se adaptem a novos ensaios, desfechos, alvos e séries químicas
- Avaliar métodos em relação a linhas de base robustas e criar casos de teste que considerem a sensibilidade a vieses
- Trabalhar com cientistas em modelagem de potência, predição de ADME, seletividade, otimização de compostos líderes e desenho de estudos clínicos iniciais
- Criar pipelines eficientes de treinamento e dados enquanto escala modelos para problemas moleculares e tabulares
- Escrever código de pesquisa legível e reproduzível, documentar experimentos e apoiar a revisão de código e a infraestrutura compartilhada de modelagem
- Publicar descobertas em veículos de destaque de aprendizado de máquina, química medicinal ou biologia computacional e representar a PostEra na comunidade científica
Requisitos
- Doutorado em aprendizado de máquina ou em uma área de pesquisa de ciência, tecnologia, engenharia ou matemática focada no desenvolvimento de novos métodos de aprendizado de máquina
- Evidências de pesquisa de alta qualidade por meio de publicações, contribuições de código aberto ou trabalho equivalente
- Forte experiência de pesquisa ou engenharia em aprendizado de máquina moderno, aprendizado profundo ou modelagem estatística, com sólida compreensão da teoria algorítmica
- Experiência em pelo menos uma área relevante, incluindo fluxos de trabalho científicos agênticos, aprendizado de máquina para bioinformática ou dados clínicos, aprendizado em contexto, aprendizado tabular ou aprendizado com poucos exemplos
- Experiência prática treinando, depurando e avaliando modelos de aprendizado de máquina em Python com frameworks como PyTorch ou JAX
- Capacidade de transformar questões científicas ou técnicas ambíguas em projetos de aprendizado de máquina bem definidos, com conjuntos de dados, tarefas, linhas de base, métricas e planos de validação
- Capacidade de projetar experimentos, benchmarks e ablações rigorosos que separem ganhos reais de vieses e identifiquem as fontes das melhorias dos modelos
- Conforto para trabalhar em uma startup onde as prioridades mudam, os dados podem ser imperfeitos e o bom julgamento é tão importante quanto a complexidade do modelo
- Experiência em descoberta de medicamentos não é necessária
- Desejável: experiência treinando modelos fundamentais tabulares para cenários esparsos, heterogêneos, com poucos dados ou alto grau de ausência
- Desejável: experiência desenvolvendo sistemas moleculares de aprendizado em contexto ou adaptando modelos de aprendizado em contexto de uso geral a dados moleculares ou científicos
- Desejável: experiência treinando modelos grandes, incluindo sistemas com mais de 1 bilhão de parâmetros, treinamento distribuído, fragmentação, paralelismo de dados e modelos e pipelines de dados em grande escala
- Desejável: experiência desenvolvendo sistemas de copiloto científico de IA para problemas físicos ou biológicos
- Desejável: experiência prática de aprendizado de máquina com dados biológicos, bioquímicos ou clínicos
- Desejável: experiência levando modelos de pesquisa para software científico de produção ou fluxos de trabalho computacionais
Benefícios
- Alocação de participação acionária de 0,05% a 0,1%
- Remuneração ajustada proporcionalmente
- Reconhecimento dentro da organização
- Oportunidades de promoção significativa