Data Analyst I-Personalized Medicine

Приєднуйтесь до лабораторії доктора Лілі Чан в Інституті Персоналізованої Медицини, Іканівська Школа Медицини, розташована на Манхеттені, Нью-Йорк, NY, США. Це унікальна можливість бути частиною провідної установи у сфері медичних досліджень та догляду за пацієнтами.

Ми активно досліджуємо передові напрямки, такі як:

• Обробка природної мови (NLP)
• Великі мовні моделі
• Прогнозне моделювання результатів захворювань
• Персоналізовані терапевтичні рекомендації
• Стандарти EHR Загальної моделі даних (наприклад, OMOP)
• Мультимодальне глибоке навчання (геноміка, візуалізація та клінічні дані) для підтримки клінічних рішень
• Ненаглядне навчання для виявлення біологічно значущих підтипів захворювань

Наші дослідження охоплюють різні сфери захворювань, включаючи нефрологію, кардіологію, радіологію, психіатрію та інші.

Як аналітик даних, ви матимете доступ до:

• Понад 8 мільйонів записів пацієнтів через сховище даних Mount Sinai
• Програми біобанку BioMe, яка включає понад 30 000 пацієнтів з даними цілого екзомного секвенування, пов’язаними з довготривалими клінічними даними

Ви матимете можливість розробляти власні дослідницькі проекти та співпрацювати як на місцевих, так і на міжнародних дослідженнях.

Обов’язки:

• Проектування та написання спеціалізованих додатків для задоволення вимог до баз даних для введення, керування і звітності даних
• Допомога у розробці планів управління даними і настанов для забезпечення точності даних та контролю якості
• Виявлення та вирішення проблем управління даними під час дослідницьких досліджень
• Надання технічної підтримки та навчання персоналу на системах електронного та віддаленого ведення записів
• Підтримка студентів-медиків, інтернів, резидентів та викладачів з питаннями та статистичними аналізами
• Підтримка актуальних знань про поточні нормативи і технології у сфері управління даними
• Написання та підготовка рукописів та інших матеріалів для різних аудиторій
• Виконання інших пов’язаних обов’язків за потреби

Ідеальний кандидат:

• Магістр або бакалавр з 2-3 роками досвіду у кількісній науковій галузі (наприклад, біомедична інформатика, клінічна інформатика, машинне навчання, біостатистика, генетика тощо)
• Досвід у біостатистиці/техніках машинного навчання, перевагою буде публікація робіт та/або наявність доступного коду
• Експертиза у фреймворках для глибокого навчання (наприклад, TensorFlow, PyTorch, Keras)
• Володіння програмуванням і статистичним ПЗ, таким як R та/або Python
• Формальна підготовка у сфері