Senior Machine Learning Scientist (ML) - Accelerating Drug Discovery with AI

O Deep Genomics: Deep Genomics to pionierska siła w połączeniu sztucznej inteligencji z odkrywaniem leków. Nasza unikalna platforma AI została zaprojektowana w taki sposób, aby rozwikłać złożoności biologii RNA, odkrywając nowe cele terapeutyczne i rozwiązania lecznicze, nieosiągalne konwencjonalnymi metodami. W naszych dynamicznych centrach w Toronto i Cambridge, MA, nasz ekspertowski zespół, biegły w uczeniu maszynowym, bioinformatyce i rozwoju leków, na nowo definiuje proces tworzenia nowych medykamentów.

Jako Naukowiec Badawczy ds. Uczenia Maszynowego w Deep Genomics, będziesz napędzać innowacje zaawansowanych modeli i algorytmów SI, które mają na celu zreformować przyszłość odkrywania leków. Angażuj się bezpośrednio w ulepszanie naszej platformy AI poprzez wspólne projekty z czołowymi badaczami, podejmując złożone wyzwania w biologii RNA i przyspieszając podróż przełomowych odkryć do transformacyjnych terapii.

Szukamy wyjątkowego kandydata z solidnym rodowodem naukowym i pasją do rozwoju zastosowań uczenia maszynowego w odkrywaniu leków. Wymagany jest doktorat z informatyki, uczenia maszynowego, biologii obliczeniowej lub pokrewnych dziedzin, wraz z solidnym rekordem wkładu w wiodące konferencje i czasopisma. Doświadczenie w tworzeniu modeli uczenia maszynowego do użytku operacyjnego jest bardzo korzystne.

• Rozwijaj najnowocześniejsze modele i algorytmy uczenia maszynowego skoncentrowane na modelowaniu predykcyjnym, analizie sekwencji i biologii strukturalnej.
• Pracuj razem z zespołami interdyscyplinarnymi nad planowaniem i realizacją badań naukowych, adresując pilne wyzwania w biologii RNA i odkrywaniu leków.
• Zachowuj świadomość pojawiających się trendów w uczeniu maszynowym, bioinformatyce i biologii obliczeniowej, przyczyniając się do rozwoju tych dziedzin.

• Doktorat z informatyki, uczenia maszynowego, bioinformatyki lub pokrewnych dziedzin z imponującym rekordem publikacji.
• Głęboka wiedza ekspercka w zakresie uczenia maszynowego, uczenia głębokiego i sieci neuronowych, podparta solidnym teoretycznym zrozumieniem.
• Biegłość w Pythonie z praktycznym doświadczeniem w głównych ramach uczenia maszynowego takich jak PyTorch, TensorFlow i Scikit-learn.
• Mocne podstawy matematyczne i statystyczne, umiejętności w optymalizacji, modelowaniu probabilistycznym i technikach numerycznych.
• Znakomite zdolności komunikacyjne i pracy zespołowej, gotowość do osiągania sukcesów w środowisku multidyscyplinarnym.

• Doświadczenie w bioinformatyce, biologii obliczeniowej lub odkrywaniu leków.
• Znajomość biologii RNA, biologii strukturalnej lub podobnych dziedzin.
• Doświadczenie w pracy