PostEra เป็นบริษัทเทคโนโลยีชีวภาพและปัญญาประดิษฐ์ที่มุ่งพัฒนาวิธีการค้นพบยาใหม่ ๆ ให้มีประสิทธิภาพยิ่งขึ้น แพลตฟอร์ม Proton ของบริษัทประยุกต์ใช้แมชชีนเลิร์นนิงกับเคมีทางยา เพื่อช่วยให้นักวิจัยรับมือกับความท้าทายที่ซับซ้อนในการค้นคว้ายา และเร่งการพัฒนาวิธีการรักษาที่มีศักยภาพ PostEra ก่อตั้งขึ้นในปี 2020 และทำงานร่วมกับองค์กรด้านเภสัชกรรม เช่น Pfizer และ Amgen ในการพัฒนาแนวทางการพัฒนายาที่ขับเคลื่อนด้วยปัญญาประดิษฐ์
นักวิจัยแมชชีนเลิร์นนิง ด้านวิทยาศาสตร์เชิงตัวแทนที่ PostEra (ทำงานทางไกล)
PostEra กำลังมองหานักวิจัยแมชชีนเลิร์นนิงเพื่อสร้างระบบเชิงตัวแทนและโมเดลแบบปรับตัวได้สำหรับเทคโนโลยีชีวภาพที่ขับเคลื่อนด้วย AI บทบาทนี้ใช้วิธีการเชิงคำนวณกับเคมีเภสัชและการค้นคว้ายา
รายละเอียด
- สร้างหน่วยงานวิจัยเชิงตัวแทนของ PostEra ด้วยการทำให้การสร้างแบบจำลองเชิงกลไกของกระบวนการทางชีวเคมีและสรีรวิทยาเป็นระบบอัตโนมัติ
- วิเคราะห์ข้อมูลชีวภาพเพื่อยืนยันเป้าหมายและสนับสนุนการตัดสินใจด้านการค้นคว้ายาด้วยโมเดลแมชชีนเลิร์นนิง
- สร้างวิธีการแมชชีนเลิร์นนิงที่ปรับตัวเข้ากับความท้าทายใหม่ในการค้นคว้ายาโดยใช้ข้อมูลที่ติดป้ายกำกับอย่างจำกัด
- พัฒนาระบบการเรียนรู้ในบริบทและโมเดลพื้นฐานสำหรับข้อมูลระดับโมเลกุลและข้อมูลตารางโดยใช้ข้อมูลหลายรูปแบบที่เป็นกรรมสิทธิ์
- ประเมินตัวอย่างและงานที่เกี่ยวข้องจากก่อนหน้า วัดว่าเมื่อใดการถ่ายโอนช่วยหรือส่งผลเสีย และสร้างการคาดการณ์ที่เชื่อถือได้เมื่อการกระจายข้อมูลเปลี่ยนแปลง
- กำหนดงาน สร้างชุดข้อมูลและรอบการประเมิน สร้างค่าฐาน ฝึกและขยายขนาดโมเดล ทำการทดลองตัดองค์ประกอบอย่างเข้มงวด และแปลงวิธีการที่มีประสิทธิผลให้เป็นขีดความสามารถทางวิทยาศาสตร์
- พัฒนาและประเมินประสิทธิภาพระบบเชิงตัวแทนสำหรับการสร้างแบบจำลองทางชีววิทยาและสรีรวิทยาเชิงปริมาณ
- เป็นผู้นำโครงการวิจัยอิสระด้านการเรียนรู้ในบริบท ระบบเชิงตัวแทน การปรับตัวแบบใช้ตัวอย่างน้อย โมเดลพื้นฐานข้อมูลตาราง และแมชชีนเลิร์นนิงระดับโมเลกุล
- ออกแบบและฝึกโมเดลที่ปรับตัวเข้ากับการทดสอบ จุดสิ้นสุด เป้าหมาย และชุดสารเคมีใหม่
- ประเมินวิธีการเทียบกับค่าฐานที่แข็งแกร่ง และสร้างกรณีทดสอบที่คำนึงถึงความไวต่ออคติ
- ทำงานร่วมกับนักวิทยาศาสตร์ด้านการสร้างแบบจำลองความแรง การทำนาย ADME ความจำเพาะ การปรับปรุงสารนำ และการออกแบบการศึกษาทางคลินิกระยะเริ่มต้น
- สร้างกระบวนการฝึกและข้อมูลที่มีประสิทธิภาพ พร้อมขยายขนาดโมเดลสำหรับปัญหาระดับโมเลกุลและข้อมูลตาราง
- เขียนโค้ดวิจัยที่อ่านง่ายและทำซ้ำได้ บันทึกการทดลอง สนับสนุนการตรวจสอบโค้ด และดูแลโครงสร้างพื้นฐานการสร้างแบบจำลองร่วมกัน
- เผยแพร่ผลการวิจัยในเวทีชั้นนำด้านแมชชีนเลิร์นนิง เคมีเภสัช หรือชีววิทยาเชิงคำนวณ และเป็นตัวแทนของ PostEra ในชุมชนวิทยาศาสตร์
คุณสมบัติ
- มีปริญญาเอกด้านแมชชีนเลิร์นนิงหรือสาขา STEM ที่มุ่งเน้นการพัฒนาวิธีการแมชชีนเลิร์นนิงรูปแบบใหม่
- มีหลักฐานแสดงผลงานวิจัยคุณภาพสูงผ่านสิ่งพิมพ์ การมีส่วนร่วมในโอเพนซอร์ส หรือผลงานเทียบเท่า
- มีพื้นฐานการวิจัยหรือวิศวกรรมที่แข็งแกร่งด้านแมชชีนเลิร์นนิงสมัยใหม่ ดีปเลิร์นนิง หรือการสร้างแบบจำลองทางสถิติ พร้อมความเข้าใจทฤษฎีอัลกอริทึมเป็นอย่างดี
- มีความเชี่ยวชาญในอย่างน้อยหนึ่งด้านที่เกี่ยวข้อง เช่น เวิร์กโฟลว์วิทยาศาสตร์เชิงตัวแทน แมชชีนเลิร์นนิงสำหรับชีวสารสนเทศหรือข้อมูลทางคลินิก การเรียนรู้ในบริบท การเรียนรู้จากข้อมูลตาราง หรือการเรียนรู้จากตัวอย่างน้อย
- มีประสบการณ์จริงในการฝึก ดีบัก และประเมินโมเดลแมชชีนเลิร์นนิงด้วย Python โดยใช้เฟรมเวิร์ก เช่น PyTorch หรือ JAX
- สามารถเปลี่ยนคำถามทางวิทยาศาสตร์หรือเทคนิคที่คลุมเครือให้เป็นโครงการแมชชีนเลิร์นนิงที่กำหนดไว้อย่างชัดเจน พร้อมชุดข้อมูล งาน ค่าฐาน ตัวชี้วัด และแผนการตรวจสอบความถูกต้อง
- สามารถออกแบบการทดลอง การประเมินมาตรฐาน และการทดลองตัดองค์ประกอบที่เข้มงวด เพื่อแยกผลลัพธ์ที่ดีขึ้นจริงออกจากอคติและระบุแหล่งที่มาของการปรับปรุงโมเดล
- สามารถทำงานในสตาร์ทอัพที่ลำดับความสำคัญเปลี่ยนแปลงได้ ข้อมูลอาจไม่สมบูรณ์ และการใช้วิจารณญาณที่ดีมีความสำคัญไม่แพ้ความซับซ้อนของโมเดล
- ไม่จำเป็นต้องมีประสบการณ์ด้านการค้นคว้ายา
- พิจารณาเป็นพิเศษ: มีประสบการณ์ฝึกโมเดลพื้นฐานข้อมูลตารางสำหรับบริบทที่เบาบาง ไม่เป็นเนื้อเดียวกัน มีข้อมูลน้อย หรือมีข้อมูลสูญหายจำนวนมาก
- พิจารณาเป็นพิเศษ: มีประสบการณ์พัฒนาระบบการเรียนรู้ในบริบทระดับโมเลกุล หรือปรับโมเดลการเรียนรู้ในบริบททั่วไปให้เข้ากับข้อมูลระดับโมเลกุลหรือข้อมูลวิทยาศาสตร์
- พิจารณาเป็นพิเศษ: มีประสบการณ์ฝึกโมเดลขนาดใหญ่ รวมถึงระบบที่มีพารามิเตอร์มากกว่า 1 พันล้านรายการ การฝึกแบบกระจาย การแบ่งชาร์ด การประมวลผลแบบขนานทั้งข้อมูลและโมเดล และกระบวนการข้อมูลขนาดใหญ่
- พิจารณาเป็นพิเศษ: มีประสบการณ์พัฒนาระบบนักวิทยาศาสตร์ร่วม AI สำหรับปัญหาทางกายภาพหรือชีวภาพ
- พิจารณาเป็นพิเศษ: มีประสบการณ์ปฏิบัติด้านแมชชีนเลิร์นนิงกับข้อมูลชีวภาพ ชีวเคมี หรือข้อมูลทางคลินิก
- พิจารณาเป็นพิเศษ: มีประสบการณ์นำโมเดลวิจัยไปใช้ในซอฟต์แวร์วิทยาศาสตร์หรือเวิร์กโฟลว์เชิงคำนวณสำหรับการใช้งานจริง
สวัสดิการ
- การจัดสรรหุ้น 0.05% ถึง 0.1%
- ค่าตอบแทนปรับตามสัดส่วน
- ได้รับการยอมรับภายในองค์กร
- โอกาสก้าวหน้าในอาชีพอย่างมีความหมาย