PostEra là một công ty công nghệ sinh học và trí tuệ nhân tạo, tập trung cải thiện quy trình khám phá các loại thuốc mới. Nền tảng Proton của công ty ứng dụng học máy vào hóa dược, giúp các nhà nghiên cứu giải quyết những thách thức phức tạp trong quá trình khám phá thuốc và đẩy nhanh việc phát triển các liệu pháp tiềm năng. Được thành lập vào năm 2020, PostEra hợp tác với các tổ chức dược phẩm như Pfizer và Amgen để triển khai những phương pháp phát triển thuốc ứng dụng trí tuệ nhân tạo.
Nhà nghiên cứu học máy, Khoa học tác tử tại PostEra (Làm việc từ xa)
PostEra đang tìm kiếm Nhà nghiên cứu học máy để xây dựng các hệ thống tác tử và mô hình thích ứng cho công nghệ sinh học do AI hỗ trợ. Vai trò này áp dụng các phương pháp tính toán vào hóa dược và khám phá thuốc.
Hoa Kỳ200.000 $ – 300.000 $ / năm
Từ xaToàn thời gianTrung cấpCao cấpNgôn Ngữ Bắt Buộc: Tiếng AnhKỹ sư học máyNhà khoa học nghiên cứu AIMô tả
- Xây dựng chức năng nghiên cứu tác tử của PostEra bằng cách tự động hóa việc mô hình hóa cơ chế của các quá trình sinh hóa và sinh lý
- Phân tích dữ liệu sinh học để xác thực mục tiêu và hỗ trợ các quyết định khám phá thuốc bằng các mô hình học máy
- Tạo ra các phương pháp học máy có khả năng thích ứng với những thách thức mới trong khám phá thuốc khi dữ liệu được gắn nhãn còn hạn chế
- Phát triển các hệ thống học trong ngữ cảnh và mô hình nền tảng cho dữ liệu phân tử và dạng bảng bằng dữ liệu đa phương thức độc quyền
- Đánh giá các ví dụ và nhiệm vụ liên quan trước đó, đo lường khi nào việc chuyển giao có lợi hoặc gây hại, đồng thời tạo ra các dự đoán đáng tin cậy khi phân phối dữ liệu thay đổi
- Xác định nhiệm vụ, xây dựng tập dữ liệu và các phiên đánh giá, thiết lập đường cơ sở, huấn luyện và mở rộng mô hình, thực hiện các thí nghiệm loại bỏ nghiêm ngặt, rồi chuyển các phương pháp hiệu quả thành năng lực khoa học
- Phát triển và đánh giá chuẩn các hệ thống tác tử cho việc mô hình hóa định lượng sinh học và sinh lý
- Dẫn dắt các dự án nghiên cứu độc lập về học trong ngữ cảnh, hệ thống tác tử, thích ứng với ít mẫu, mô hình nền tảng dạng bảng và học máy phân tử
- Thiết kế và huấn luyện các mô hình có khả năng thích ứng với các phép thử, tiêu chí đánh giá, mục tiêu và chuỗi hóa học mới
- Đánh giá các phương pháp dựa trên những đường cơ sở mạnh và tạo các trường hợp kiểm thử có tính đến độ nhạy với sai lệch
- Làm việc với các nhà khoa học về mô hình hóa hiệu lực, dự đoán ADME, độ chọn lọc, tối ưu hóa hợp chất dẫn đầu và thiết kế các nghiên cứu lâm sàng giai đoạn đầu
- Xây dựng các quy trình huấn luyện và dữ liệu hiệu quả, đồng thời mở rộng mô hình cho các bài toán phân tử và dạng bảng
- Viết mã nghiên cứu dễ đọc, có khả năng tái lập; ghi chép thí nghiệm; hỗ trợ xem xét mã và hạ tầng mô hình hóa dùng chung
- Công bố kết quả tại các diễn đàn hàng đầu về học máy, hóa dược hoặc sinh học tính toán, đồng thời đại diện cho PostEra trong cộng đồng khoa học
Yêu cầu
- Có bằng tiến sĩ về học máy hoặc một lĩnh vực STEM nghiên cứu tập trung vào phát triển các phương pháp học máy mới
- Có bằng chứng về nghiên cứu chất lượng cao thông qua các ấn phẩm, đóng góp mã nguồn mở hoặc công việc tương đương
- Có nền tảng vững chắc về nghiên cứu hoặc kỹ thuật trong học máy hiện đại, học sâu hoặc mô hình hóa thống kê, cùng hiểu biết chắc chắn về lý thuyết thuật toán
- Có chuyên môn trong ít nhất một lĩnh vực liên quan, bao gồm quy trình khoa học tác tử, học máy cho tin sinh học hoặc dữ liệu lâm sàng, học trong ngữ cảnh, học trên dữ liệu dạng bảng hoặc học với ít mẫu
- Có kinh nghiệm thực tế trong huấn luyện, gỡ lỗi và đánh giá mô hình học máy bằng Python với các framework như PyTorch hoặc JAX
- Có khả năng chuyển các câu hỏi khoa học hoặc kỹ thuật còn mơ hồ thành những dự án học máy được xác định rõ, với tập dữ liệu, nhiệm vụ, đường cơ sở, chỉ số và kế hoạch xác thực
- Có khả năng thiết kế các thí nghiệm, chuẩn đánh giá và thí nghiệm loại bỏ nghiêm ngặt để phân biệt cải thiện thực chất với sai lệch và xác định nguồn gốc cải thiện của mô hình
- Thoải mái làm việc tại một công ty khởi nghiệp, nơi các ưu tiên thay đổi, dữ liệu có thể không hoàn hảo và khả năng phán đoán đúng đắn quan trọng không kém độ phức tạp của mô hình
- Không yêu cầu kinh nghiệm khám phá thuốc
- Ưu tiên: có kinh nghiệm huấn luyện mô hình nền tảng dạng bảng cho các bối cảnh thưa, không đồng nhất, ít dữ liệu hoặc có tỷ lệ thiếu dữ liệu cao
- Ưu tiên: có kinh nghiệm phát triển hệ thống học trong ngữ cảnh cho dữ liệu phân tử hoặc điều chỉnh các mô hình học trong ngữ cảnh đa dụng cho dữ liệu phân tử hoặc khoa học
- Ưu tiên: có kinh nghiệm huấn luyện các mô hình lớn, bao gồm hệ thống có trên 1 tỷ tham số, huấn luyện phân tán, phân mảnh, song song hóa dữ liệu và mô hình, cùng các quy trình dữ liệu quy mô lớn
- Ưu tiên: có kinh nghiệm phát triển các hệ thống đồng nghiệp khoa học AI cho các bài toán vật lý hoặc sinh học
- Ưu tiên: có kinh nghiệm thực hành về học máy với dữ liệu sinh học, sinh hóa hoặc lâm sàng
- Ưu tiên: có kinh nghiệm đưa các mô hình nghiên cứu vào phần mềm khoa học hoặc quy trình tính toán phục vụ sản xuất
Phúc lợi
- Phân bổ cổ phần từ 0,05% đến 0,1%
- Mức thù lao được điều chỉnh theo tỷ lệ
- Được ghi nhận trong tổ chức
- Có cơ hội thăng tiến có ý nghĩa