Senior ML Research Engineer

В Apheris мы создаем будущее применения ИИ в фармацевтических исследованиях и разработках. Мы помогаем ведущим фармацевтическим командам быстрее находить и разрабатывать лекарства. Мы управляем крупнейшими в отрасли федеративными сетями данных для ИИ в области разработки лекарств, охватывающими кофолдинг, ADMET и пригодность антител к разработке.

В этих сетях модели обучаются на проприетарных отраслевых наборах данных для достижения более высокой производительности и широкой применимости, при этом сохраняя контроль над данными и защищая интеллектуальную собственность. Мы предоставляем эти превосходные модели через приложения для разработки лекарств, которые позволяют командам использовать их в масштабе, настраивать их дальше и интегрировать в существующие рабочие процессы НИОКР.

• Сеть ИИ структурной биологии (AISB): Фармацевтические компании сотрудничают в области кофолдинга, прогнозирования аффинности связывания на основе структуры и проектирования антител
• Сеть ADMET: Фармацевтические и биотехнологические компании сотрудничают для улучшения прогнозирования свойств малых молекул и расширения на другие модальности лекарств
• Сеть пригодности антител к разработке: Фармацевтические партнеры сотрудничают для федерализации исторических и специально созданных наборов данных о пригодности антител к разработке для безопасного обучения ML без вывода данных из среды каждого партнера

О роли

Мы ищем старшего инженера-исследователя машинного обучения, который поможет продвигать исследования и разработку моделей машинного обучения для молекулярной и структурной биологии.

Это практическая роль на стыке фундаментальных моделей, структурной биологии и федеративного обучения. Вы будете выполнять исследовательские проекты, превращая амбициозные научные цели в передовые ML-модели, которые можно будет оценивать, выпускать и использовать в реальных рабочих процессах разработки лекарств.

• Разрабатывать и улучшать ML-модели в области молекулярной и структурной биологии, такие как модели кофолдинга и аффинности связывания, для приложений и рабочих процессов проектирования лекарств, продвигая их от идеи через итерации прототипирования до надежных инструментов
• Создавать эффективные стратегии бенчмаркинга и оценки для оценки моделей, а также итерировать и совершенствовать существующие подходы к моделированию на основе данных
• Диагностировать и решать проблемы качества данных и конвейеров, влияющие на качество моделей
• Быть в курсе быстро развивающейся исследовательской литературы и определять лучшие общедоступные подходы для помощи в исследованиях и разработках
• Сотрудничать с клиентами, инженерами, работающими с партнерами, и внешними сотрудниками для поддержки реальных сценариев использования проектирования лекарств

• У вас есть докторская степень (PhD) или степень магистра (MSc) в области машинного обучения, вычислительной биологии, вычислительной химии, биоинформатики, физики или смежной области, с опытом работы не менее 2 лет в применении ML к научным задачам
• У вас есть практический опыт обучения, тонкой настройки и расширения моделей глубокого обучения для моделирования молекулярной структуры или структуры белка
• Вы способны тщательно проверять ML-модели, их обучение и научные бенчмарки, а также преобразовывать полученные данные в действенные улучшения
• Вы являетесь экспертом в Python и PyTorch, можете создавать надежный и чистый код, и вам комфортно работать с многопроцессорным и распределенным обучением
• Вы глубоко знакомы с форматами данных структурной биологии и белок-лигандных данных, метриками качества и инструментами
• Вы проактивно определяете возможности для научного вклада, чтобы влиять на организационные цели

• Конкурентоспособная в отрасли компенсация, включая опционы на акции на ранней стадии
• Удаленный формат работы — работайте там, где вам удобнее всего, будь то дома или в коворкинге рядом с вами
• Отличный пакет льгот, включая бюджет на благополучие, льготы на психическое здоровье, бюджет на обустройство рабочего места дома, стипендию на коворкинг и бюджет на обучение и развитие
• Щедрое количество отпускных дней
• Дни в офисе в нашем берлинском штабе или другом европейском месте (3 раза в год)
• Веселая, разнообразная команда целеустремленных людей с опытом работы в ведущих организациях и стремлением использовать ИИ и ML во благо