Proxima是一家生物技术公司，致力于开发用于设计和编程蛋白质相互作用的综合发现平台。其方法结合生成式人工智能、先进的数据生成技术和结构建模，以识别基于邻近性的药物，包括分子诱导剂、调节剂和阻断剂。Proxima还与行业合作伙伴携手，推动诱导邻近性发现成果向候选药物发展。
机器学习工程师－纽约远程
为 Proxima 的 AI 药物发现平台构建 Python 和 PyTorch 工作流。改进科学计算、机器学习基础设施及帮助研究人员运行和评估实验的工具。
描述
- 创建可靠的科学工作流，让同事能够以最少的手动操作执行、复现和排查问题。
- 添加模型、数据集和评估方法，同时维护数据完整性以及与现有实验的兼容性。
- 通过改进作业提交、监控、故障恢复和产物跟踪来强化计算工作流。
- 发现并解决数据准备、执行和评估环节的瓶颈，加快研究迭代。
- 开发易于维护的库、服务和开发者工具，并配套适当的测试、文档和监控。
- 支持一家快速扩张公司的企业文化。
- 与研究人员和基础设施工程师密切合作。
- 积累自动化、基础设施、数据和机器学习方面的经验。
- 帮助科学家创建模型、开展实验并解读实验结果。
- 排查已部署系统的问题，从整合训练数据集、诊断停滞的推理作业，到为科学结果创建 API 以及自动化手动流程。
任职要求
- 具备扎实的 Python 和软件工程基础，包括数据结构、接口设计、测试、并发和系统化调试。
- 具备交付他人所依赖的软件的经验，包括发布后的维护和故障排查。
- 具备构建或支持机器学习或科学计算工作流的经验，理解数据、模型执行和评估之间的联系。
- 必须具备 PyTorch 经验。
- 具备在 Linux 上运行软件的经验。
- 具备使用容器的经验。
- 具备通过自动化测试和 CI/CD 交付变更的经验。
- 能够梳理模糊问题、独立工作，并基于证据解释技术取舍。
- 愿意在自动化、基础设施、数据和机器学习等领域开展工作。
- 具备强烈的责任意识，并能与科学家和工程师清晰沟通。
- 能够有效使用 AI 开发工具，同时对生成代码的正确性和可维护性负责。
- 具备 Kubernetes、云平台、工作流编排、数据库，或计算生物学与计算化学方面的经验者优先。
- 不要求具备生物学或化学背景。
福利待遇
- 招聘信息未说明福利、津贴或额外薪酬。