Witamy w ekscytującej okazji w Novo Nordisk, wiodącej firmie w branży nauk przyrodniczych. Poszukujemy wyjątkowego lidera ds. Uczenia Maszynowego w Biologii, który poprowadzi nasz innowacyjny zespół w rejonie Londynu/Oxfordu. Dołącz do nas, aby przyczynić się do transformacyjnych badań analizy i integracji różnych modalności danych biologicznych.
Jako lider ds. Uczenia Maszynowego w Biologii, będziesz kierować naszymi wysiłkami w ustanowieniu zintegrowanej metodologicznej ramy dla odkrywania celów i biomarkerów w wczesnych badaniach. Ta rola obejmuje:
- Analizę high-throughput platform przesiewowych in vitro.
- Stosowanie metod AI/statystycznych w badaniach genomowych i translacyjnych.
- Udoskonalanie analizy danych z rozległą wiedzą w tle.
Współpracuj ściśle z ekspertami z dziedziny biologii obliczeniowej, genetyki człowieka, projektowania leków i precyzyjnego zdrowia, aby wdrożyć nowoczesne techniki AI/ML i pipeline'y obliczeniowe. Ta pozycja wymaga aktywnego zaangażowania w nasze globalne zespoły zajmujące się nauką o danych i uczeniem maszynowym.
W tej roli będziesz:
- Prowadzić zespół specjalizujący się w AI/ML do analizy różnych typów danych biologicznych, w tym danych genetycznych/genomicznych, epigenetycznych, transkryptomicznych, obrazowych i grafów wiedzy biomedycznej.
- Ustanawiać zintegrowane ramy obliczeniowe, aby wspierać odkrywanie celów i biomarkerów w R&ED.
- Efektywnie wykorzystywać i integrować dowody ze świata rzeczywistego.
- Prowadzić współpracę akademicką i przemysłową, zwłaszcza w kwartale wiedzy Londynu, oraz komunikować wyniki poprzez prezentacje, raporty i publikacje naukowe.
- Strategizować wykorzystanie generatywnej AI w celu przyspieszenia procesu od identyfikacji celu do pierwszej dawki u człowieka.
- Być na bieżąco z najnowszymi osiągnięciami w dziedzinie deep learning, uczenia reprezentacyjnego i integracji danych multi-modalnych.
Oczekuje się, że będziesz pracować z naszego biura w Londynie co najmniej dwa razy w tygodniu i angażować się w 5-15% podróży nocnych.
Szukamy kandydatów spełniających następujące kryteria:
- Doktorat z AI/ML lub bioinformatyki.
- Kilka lat doświadczenia zawodowego w branży farmaceutycznej/biotechnologicznej, w tym na stanowiskach kierowniczych.
- Udokumentowane doświadczenie w tworzeniu i zarządzaniu pipeline'ami obliczeniowymi do odkrywania leków.
- Doskonale rozwinięte umiejętności zarządzania interesariuszami i dostosowywania priorytetów.
- Rozległe doświadczenie w integracji danych multi-modalnych, bioinformatyce, genomice statystycznej, epigenomice, uczeniu reprezentacyjnym, dużych modelach językowych i/lub grafowych sieciach neuronowych.
- Udokumentowane wykorzystanie dowodów ze świata rzeczywistego i danych biobankowych do odkrywania leków.
- Biegłość w Python i doświadczenie z bibliotekami deep learning PyTorch.
- Doświadczenie z nowoczesnymi systemami kontroli wersji i ciągłej integracji/testowania, jak GitLab/GitHub.
- Doskonałe umiejętności komunikacyjne, zarówno pisemne, jak i ustne.