Machine Learning Scientist, Scientific Reasoning Models, AI for Drug Discovery

Позиция

Более здоровое будущее. Это то, что побуждает нас к инновациям. Постоянно продвигать науку вперед и обеспечивать каждому доступ к необходимой медицинской помощи сегодня и для будущих поколений. Создание мира, в котором у нас всех будет больше времени с любимыми людьми. Вот что делает нас Roche.

Достижения в области ИИ, обработки данных и вычислительных наук трансформируют открытие и разработку лекарств. Организации по исследованиям и ранней разработке Roche в Genentech (gRED) и Pharma (pRED) продемонстрировали, как эти технологии ускоряют R&D, используя данные и новые вычислительные модели для достижения результатов. Бесшовный обмен данными и доступ к моделям между gRED и pRED необходимы для максимального использования этих возможностей. Новый Центр передового опыта в области вычислительных наук (CoE) — это стратегическая, унифицированная группа, целью которой является использование преобразующей силы данных и искусственного интеллекта (ИИ) для помощи нашим ученым как в pRED, так и в gRED в создании более инновационных и трансформационных лекарств для пациентов по всему миру.

Возможность

В группе Roche AI for Drug Discovery (AIDD) мы революционизируем открытие лекарств с помощью передовых методов машинного обучения (ML). Мы ищем специалиста по машинному обучению, который присоединится к команде Foundation Models в Prescient Design (gRED). На этой должности вы будете способствовать развитию наших внутренних больших языковых моделей (LLM) для рассуждений и обеспечивать их успех в соответствующих задачах открытия лекарств, включая биомолекулярный дизайн. Вы будете работать на стыке инженерии и исследований, разрабатывая и масштабируя большие системы машинного обучения.

На этой должности вы будете:

• Масштабируемые системы и инженерия: Разрабатывать, внедрять и улучшать крупномасштабные распределенные системы машинного обучения, писать надежный, критически важный по производительности код и вносить вклад в основную инфраструктуру.
• Улучшение моделей и рассуждения: Разрабатывать и реализовывать стратегии систематического улучшения производительности в научных задачах, включая выполнение задач с длительным горизонтом и сложные задачи рассуждений.
• Перевод доменных знаний: Транслировать биологические и химические знания предметной области в конкретные цели машинного обучения, обучающие сигналы и критерии оценки.
• Оценка и бенчмаркинг: Разрабатывать и внедрять методологии оценки для оценки возможностей моделей, связанных с биологическими исследованиями, работая с экспертами в предметной области для создания бенчмарков и кураторства высококачественных данных.
• От исследований к производству: Тесно сотрудничать с исследователями для преобразования идей и прототипов в масштабируемые, готовые к производству системы.

В качестве специалиста по машинному обучению:

• Фокус: Вы сосредоточены на выполнении определенных проектов. Вы несете ответственность за написание чистого, эффективного кода для проверки конкретных гипотез, касающихся рассуждений и согласования.
• Инженерия: Вы участвуете в обслуживании инфраструктуры обучения и конвейеров данных, обеспечивая надежное выполнение экспериментов на наших кластерах.
• Сотрудничество: Вы тесно сотрудничаете с ведущими учеными для внедрения новых алгоритмов, преобразуя исследовательские статьи в рабочие прототипы.

Кто вы

• Степень бакалавра/магистра в области компьютерных наук, статистики, математики, физики или смежной количественной области с 2+ годами соответствующего опыта работы. Или степень доктора наук с 0-2 годами соответствующего опыта работы.
• Экспертиза в LLM: Опыт разработки и обучения крупномасштабных моделей машинного обучения, включая методы постобучения для улучшения знаний предметной области, возможностей рассуждений и согласования моделей.
• Публикации: Богатый опыт выдающихся исследований на ведущих площадках (например, NeurIPS, ICLR, ICML).
• Инженерия: Отличные навыки программной инженерии и опыт работы с высокопроизводительными вычислительными системами.

Предпочтительно

• Опыт работы с молекулярными модальностями (например, последовательностями белков, химическими графами и структурированными молекулярными данными).
• Публичное портфолио исследований или значительный вклад в библиотеки ML с открытым исходным кодом.
• Страсть к применению передового ИИ для открытия лекарств.

Льготы по релокации НЕ предоставляются для этой вакансии.

Ожидаемый диапазон заработной платы для данной должности, исходя из основного места работы в Нью-Йорке, составляет от 141 100 до 262 100 долларов США, а для Сан-Франциско — от 147 600 до 274 000 долларов США. Фактическая заработная плата будет определяться на основе опыта, квалификации, географического положения и других факторов, связанных с работой, разрешенных законом. Может быть доступна дискреционная ежегодная премия в зависимости от индивидуальной производительности и производительности компании. Эта должность также дает право на получение льгот, подробно описанных по предоставленной ниже ссылке.

Льготы

Genentech является работодателем, предоставляющим равные возможности. Наша политика и практика заключается в найме, продвижении и ином отношении к любым сотрудникам и кандидатам на основе заслуг, квалификации и компетенции. Политика компании запрещает незаконную дискриминацию, в том числе, помимо прочего, дискриминацию на основании статуса ветерана, лиц с ограниченными возможностями, в соответствии со всеми федеральными, государственными или местными законами.

Если у вас есть инвалидность, и вам требуется адаптация в отношении процесса подачи онлайн-заявки, пожалуйста, свяжитесь с нами, заполнив эту форму: Accommodations for Applicants.