PostEra 代理科學機器學習研究員（遠端）
PostEra 正在尋找一名機器學習研究員，建構用於人工智慧驅動生物科技的智能代理系統與自適應模型。此職位將計算方法應用於藥物化學與藥物發現。
說明
- 透過自動化生化與生理過程的機制建模，建構 PostEra 的智能代理研究職能
- 分析生物資料以驗證標靶，並利用機器學習模型為藥物發現決策提供依據
- 建立能在標註資料有限的情況下適應新藥物發現挑戰的機器學習方法
- 利用專有多模態資料開發分子與表格式上下文學習系統及基礎模型
- 評估相關的既有範例與任務，衡量遷移何時有益或有害，並在分布偏移下提供可靠預測
- 定義任務，建構資料集與評估情境，建立基線，訓練並擴展模型，進行嚴謹的消融實驗，並將有效方法轉化為科學能力
- 開發並進行基準測試，用於定量生物與生理建模的智能代理系統
- 領導上下文學習、智能代理系統、小樣本適應、表格式基礎模型與分子機器學習領域的獨立研究專案
- 設計並訓練能適應新檢測方法、終點、標靶與化學系列的模型
- 針對強基線評估方法，並建立能考慮偏差敏感性的測試案例
- 與科學家合作進行效力建模、ADME 預測、選擇性分析、先導化合物優化與早期臨床研究設計
- 建構高效的訓練與資料管道，同時擴展分子與表格式問題上的模型
- 撰寫可讀且可重現的研究程式碼，記錄實驗，並支援程式碼審查與共享建模基礎設施
- 在領先的機器學習、藥物化學或計算生物學學術平台發表研究成果，並代表 PostEra 參與科學界交流
職位要求
- 擁有機器學習博士學位，或擁有專注於開發新型機器學習方法的 STEM 研究領域博士學位
- 透過論文發表、開源貢獻或同等工作證明具備高品質研究能力
- 在現代機器學習、深度學習或統計建模方面擁有扎實的研究或工程背景，並深入理解演算法理論
- 至少在一個相關領域具備專業能力，包括智能代理科學工作流程、生物資訊學或臨床資料機器學習、上下文學習、表格學習或小樣本學習
- 具備使用 Python 及 PyTorch 或 JAX 等框架訓練、除錯與評估機器學習模型的實務經驗
- 能夠將模糊的科學或技術問題轉化為定義清晰的機器學習專案，並制定資料集、任務、基線、指標與驗證計畫
- 能夠設計嚴謹的實驗、基準測試與消融實驗，區分真實收益與偏差，並找出模型改進的來源
- 能夠適應新創公司環境：優先事項會變化，資料可能不完美，良好判斷力與模型複雜度同樣重要
- 不要求具備藥物發現經驗
- 優先：具備針對稀疏、異質、小資料量或缺失率高情境訓練表格式基礎模型的經驗
- 優先：具備開發分子上下文學習系統，或將通用上下文模型適配至分子或科學資料的經驗
- 優先：具備訓練大型模型的經驗，包括參數量超過 10 億的系統、分散式訓練、分片、資料並行與模型並行，以及大規模資料管道
- 優先：具備為物理或生物問題開發 AI 科學家協作系統的經驗
- 優先：具備處理生物、生化或臨床資料的機器學習實務經驗
- 優先：具備將研究模型轉化為生產級科學軟體或計算工作流程的經驗
福利待遇
- 0.05% 至 0.1% 的股權配額
- 薪酬按比例調整
- 獲得組織內部認可
- 獲得有意義的晉升機會