Johnson & Johnson
Johnson & Johnson
Johnson & Johnson ni kampuni ya kimataifa ya huduma za afya inayojihusisha na dawa, vifaa vya matibabu na afya ya watumiaji. Shughuli zake za utafiti na uundaji wa bidhaa zinajumuisha dawa na matibabu ya saratani, kinga ya mwili, sayansi ya neva na magonjwa ya moyo na mapafu, pamoja na suluhisho za MedTech kwa huduma za moyo na mishipa, mifupa, upasuaji na uoni. Kazi pana za kampuni pia zinajumuisha elimu ya afya na ustawi, uzalishaji wa kiwango kikubwa, shughuli za wawekezaji na mipango ya kimataifa yenye athari chanya kwa jamii, hivyo kutoa fursa katika majukumu ya kisayansi, kliniki, uhandisi, uzalishaji, kibiashara na ya shirika.

Mwanasayansi Mkuu, Sayansi ya Data na Bidhaa za Data za Kisayansi

Ataongoza uundaji wa bidhaa za data za kisayansi zilizo tayari kwa AI kwa ajili ya ugunduzi na uendelezaji wa dawa za Johnson & Johnson. Jukumu hili linahusu ujumuishaji wa AWS, uundaji wa miundo ya ubashiri, metadata na usanifu wa data za kisayansi.

Maelezo

  • Ataongoza usanifu na uendelezaji wa bidhaa za data za kisayansi na mikakati ya ujumuishaji kwa ajili ya ugunduzi na uendelezaji wa dawa unaotumia AI.
  • Ataunda bidhaa za data zinazoweza kushirikiana na zilizo tayari kwa AI zinazounganisha data za ugunduzi, kabla ya kliniki, kliniki, usalama na ushahidi wa ulimwengu halisi.
  • Ataweka usanifu wa data, ujumuishaji, metadata na mbinu za kugeuza data kuwa bidhaa kwa grafu za maarifa, GraphRAG, hoja za kisemantiki, uchanganuzi wa hali ya juu na AI ya mawakala.
  • Ataongoza mkakati wa bidhaa za data katika utafiti wa ugunduzi, sayansi ya tafsiri, usalama kabla ya kliniki, uendelezaji wa kliniki, ufuatiliaji wa usalama wa dawa na ushahidi wa ulimwengu halisi.
  • Ataunda bidhaa za data zinazoweza kutumika tena kwa uchanganuzi, AI, grafu za maarifa na hoja za kisayansi.
  • Atatengeneza ramani za bidhaa zinazounga mkono vipaumbele vya shirika na malengo ya kisayansi.
  • Atabuni mifumo ya ujumuishaji na ulinganifu kwa SEND, SDTM, ADaM, MedDRA, picha, omics, viashirio vya kibayolojia, patholojia na data za ulimwengu halisi.
  • Atapanga utekelezaji wa bidhaa za data za kisayansi kwenye AWS.
  • Atashirikiana na timu za uhandisi na majukwaa za Amazon ili kutoa mabomba na bidhaa za data zinazoweza kupanuliwa.
  • Atatoa uongozi wa kiufundi na mwongozo wa usanifu kulingana na mapendekezo ya Mkakati wa Data.
  • Atalinganisha suluhisho za kidijitali na usanifu wa biashara, usalama, usimamizi na mahitaji ya utayari wa AI.
  • Ataongoza uundaji wa seti za data zilizoratibiwa, bidhaa zilizo tayari kisemantiki, hifadhi za vipengele, bidhaa za metadata, huduma za data za kisayansi na rasilimali zilizo tayari kwa AI.
  • Ataweka mbinu zinazoweza kutumika tena za kupokea, kubadilisha, kuthibitisha na kuchapisha data.
  • Atafafanua viwango vya metadata na mifumo ya ubora wa data.
  • Atatumia kanuni za ukoo wa data, asili, ufuatiliaji na FAIR.
  • Ataweka ufuatiliaji na vidhibiti vya ubora wa bidhaa za data za kisayansi.
  • Ataunda miundo ya ubashiri ya AI na ujifunzaji wa mashine kwa maamuzi ya usalama wa tafsiri.
  • Atashirikiana na wanasayansi wa ugunduzi, sumu, kliniki, usalama na data, pamoja na washirika wa Mkakati wa Data, wasanifu wa maarifa na wahandisi wa AI.
  • Atageuza maswali ya kisayansi kuwa bidhaa za data na suluhisho za kiufundi zinazoweza kupanuliwa.

Mahitaji

  • Shahada ya uzamili au uzamivu katika sayansi ya kompyuta, uhandisi wa data, bioinformatiki, informatiki ya tiba ya viumbe, mifumo ya taarifa, biolojia ya kompyuta au taaluma inayohusiana ya kisayansi.
  • Angalau miaka mitano ya uzoefu katika uhandisi wa data za kisayansi, usanifu wa data, bidhaa za data au informatiki ya sayansi ya maisha.
  • Uzoefu uliothibitishwa wa kubuni na kutoa bidhaa za data za kisayansi katika kiwango cha biashara nzima.
  • Uzoefu wa kusaidia mashirika ya ugunduzi wa dawa, uendelezaji, utafiti wa kliniki au ufuatiliaji wa usalama wa dawa.
  • Uzoefu wa kutengeneza miundo ya ubashiri kwa mashirika ya ugunduzi wa dawa, uendelezaji, utafiti wa kliniki au ufuatiliaji wa usalama wa dawa.
  • Ujuzi thabiti katika usanifu na uundaji wa data, usanifu wa bidhaa za data, majukwaa ya cloud-native, usimamizi wa metadata, usimamizi wa data na uundaji wa miundo ya ubashiri.
  • Uzoefu wa majukwaa ya data ya AWS, maziwa ya data na lakehouse, uchakataji uliosambazwa, API na huduma za data, pamoja na zana za katalogi na ukoo wa data.
  • Ufahamu mzuri wa SEND, SDTM, ADaM na MedDRA.
  • Ufahamu wa FHIR, OMOP, DICOM na viwango vya data za viashirio vya kibayolojia na omics ni sifa ya ziada.
  • Uzoefu wa grafu za maarifa, usanifu wa kisemantiki au mipango ya GraphRAG ni sifa ya ziada.
  • Uzoefu wa kujenga bidhaa za data zilizo tayari kwa AI na hifadhi za vipengele ni sifa ya ziada.
  • Ufahamu wa mbinu za ujumuishaji wa data zinazotumia ontolojia.
  • Uzoefu wa kufanya kazi na watoa huduma wa wingu au timu za majukwaa za nje.
  • Uzoefu katika mazingira ya kisayansi yanayodhibitiwa sana.
  • Uwezo wa kufikiri kimkakati na kuunda ramani za muda mrefu za bidhaa za data.
  • Uwezo wa kuunganisha timu za kisayansi na kiufundi na kushawishi vikundi vya kazi mbalimbali bila mamlaka ya moja kwa moja.
  • Uwezo thabiti wa kutekeleza na kuzingatia suluhisho zinazoweza kupanuliwa na kutumika tena.

Manufaa

  • Mpango wa pensheni ya kustaafu.
  • Mpango wa akiba wa 401(k).
  • Mpango wa motisha wa muda mrefu.
  • Saa 120 za likizo kwa kila mwaka wa kalenda.
  • Saa 40 za likizo ya ugonjwa kwa kila mwaka wa kalenda; saa 48 kwa wakazi wa Colorado na saa 56 kwa wakazi wa Washington.
  • Malipo ya sikukuu, yakiwemo siku 13 za sikukuu zinazobadilika kwa kila mwaka wa kalenda.
  • Hadi saa 40 za likizo ya kazi, binafsi na familia kwa kila mwaka wa kalenda.
  • Saa 480 za likizo ya mzazi ndani ya mwaka mmoja tangu kuzaliwa, kuasiliwa au kuwekwa kwa mtoto wa malezi.
  • Likizo ya msiba: saa 240 kwa mwanafamilia wa karibu au saa 40 kwa mwanafamilia wa ukoo mpana kwa kila mwaka wa kalenda.
  • Likizo ya mlezi: saa 80 katika kipindi cha wiki 52 kinachozunguka; chanzo pia kinataja siku 10.
  • Saa 32 za likizo ya kujitolea kwa kila mwaka wa kalenda.
  • Saa 80 za likizo kwa mwenzi wa mwanajeshi kwa kila mwaka wa kalenda.
  • Marekebisho ya mahitaji wakati wa mchakato wa usaili.
  • Mpangilio wa kazi wa mseto.

Kazi Zinazohusiana

Johnson & Johnson

Mwanasayansi Mkuu, Sayansi ya Data – Bidhaa na Uunganishaji wa Data (Mseto, Spring House)

Johnson & Johnson

Ongoza uundaji wa bidhaa za data za kisayansi zilizo tayari kwa AI na mikakati ya uunganishaji kwa kazi ya Johnson & Johnson ya ugunduzi na ukuzaji wa dawa. Saidia uundaji wa modeli za utabiri, grafu za maarifa na maamuzi ya usalama wa tafsiri.

Fungua
Johnson & Johnson

Mkurugenzi wa Sayansi ya Data, Uchimbaji wa Ushahidi kwa AI

Johnson & Johnson

Ongoza uchimbaji, upangaji na usanisi wa ushahidi wa kisayansi unaotumia AI kwa maendeleo ya kliniki ya Neuroscience ya Johnson & Johnson. Unda rasilimali za data na michakato ya kazi inayoweza kutumiwa tena na kufuatiliwa.

Fungua
Johnson & Johnson

Mkurugenzi wa Sayansi ya Data, AIzalishi kwa Neurosayansi

Johnson & Johnson

Ongoza mipango ya AIzalishi na ya mawakala katika R&D ya Neurosayansi ya Johnson & Johnson, ukijenga mifumo ya kisayansi inayoharakisha ugunduzi wa dawa na kusaidia kuboresha matokeo kwa wagonjwa.

Fungua
Johnson & Johnson

Mkurugenzi wa Sayansi ya Data, Utoaji wa Ushahidi kwa AI

Johnson & Johnson

Ongoza matumizi ya AI ya Johnson & Johnson kutoa na kusanisi ushahidi kwa ajili ya maendeleo ya kliniki ya Neuroscience. Jenga mtiririko wa kazi unaofuatilika, rasilimali za data zinazoweza kutumiwa tena, na uwezo wa AI inayowajibika.

Fungua