機器學習總監（抗體設計）
在 BigHat Biosciences 領導機器學習策略與抗體設計建模，整合前沿模型、實驗室資料和 LLM 自動化。 指導資深跨領域團隊，改善設計流程，每週支援設計超過 2,000 種抗體。
說明
- 制定並完善 BigHat 的機器學習路線圖。
- 確立機器學習的未來方向，推動 BigHat 提升在此領域的領導地位。
- 運用 BigHat 的資料庫和資料生成能力，建立多目標預測模型。
- 開發並訓練用於複雜多特異性抗體設計的模型。
- 運用 BigHat 的資料集，將前沿模型應用於蛋白質設計挑戰。
- 整合實驗室工作、運算平台、資料和 LLM 自動化，以改善設計週期。
- 引領 CIO 組織內統一的 LLM 與機器學習策略。
- 推動安全且有效地使用 LLM、代理框架和強化學習評估方法。
- 確保模型來源資訊和基準測試在基礎架構中可靠地留存。
- 確保設計流程在每週設計超過 2,000 種抗體的各項工作中運用模型洞察。
- 為內部計畫及合作夥伴計畫提供運算分析、預測和最佳化變體組合。
- 將資料生成和建模能力轉化為提供給前沿 AI 公司及生技製藥合作夥伴的服務。
- 界定試行計畫的範圍和技術成功標準，並交付試行成果。
- 指導並培育資深機器學習科學家與工程師團隊。
- 在機器學習和蛋白質工程社群發表成果、進行演講並參與交流。
職位要求
- 機器學習、電腦科學、計算生物學或相關領域博士學位。
- 具備八年以上開發和應用先進機器學習方法的經驗。
- 有業界經驗者尤佳。
- 具備領導技術團隊或大型技術計畫的實績。
- 深入掌握並持續追蹤現代機器學習，包括蛋白質序列和結構生成模型、貝葉斯最佳化、主動式學習、不確定性量化、資料高效預測建模和上下文學習。
- 精通 Python 和 PyTorch。
- 具備現代軟體工程實務、雲端運算和 MLOps 經驗。
- 具備在正式環境系統中部署機器學習的經驗。
- 了解可重現性、來源追蹤、基準測試和週期時間。
- 了解抗體生物學、可開發性和藥物開發，或具備快速學習這些知識的能力與意願。
- 熟悉展示技術、NGS 和高通量生物物理資料者尤佳。
- 具備優秀的書面和口語溝通能力。
- 能與蛋白質科學家、自動化工程師、軟體工程師和藥物開發人員等不同領域專業人士有效合作。
- 能獲得合作夥伴和外部受眾的信任。
- 認同 BigHat 的使命及其潛在影響。
福利待遇
- 獎金
- 股票選擇權
- 福利
