ML Engineer – Large Molecules

Stelle nicht auf LinkedIn

🔥 vor 1 Stunde

🇩🇪 Deutschland – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

🤖 Machine-Learning-Entwickler

👻 Geisterscore 21%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Apheris

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2019

🏥 Gesundheitswesen

💼 Beratung

📦 Logistik

Healthcare • Consulting • Logistics

Apheris ist ein Unternehmen, das sich auf die Ermöglichung sicherer und konformer Datenzusammenarbeit in verteilten Datenumgebungen spezialisiert hat, insbesondere für Unternehmen. Die Lösungen des Unternehmens befähigen Organisationen, an föderiertem maschinellem Lernen und Analysen teilzunehmen, indem sie die Erstellung von Modellen ermöglichen, ohne dass sensible Daten bewegt werden müssen, was somit die Privatsphäre und Sicherheit wahrt. Apheris konzentriert sich darauf, Technologie bereitzustellen, die Mehrparteien-Datenökosysteme und Partnerschaften erlaubt, mit einem starken Schwerpunkt auf Compliance, insbesondere in regulierten Industrien wie Pharma und Biotechnologie. Ihre Technologie wird von führenden Pharmaunternehmen vertraut, um KI-gesteuerte Medikamentenforschungsinitiativen zu unterstützen, ohne proprietäre Daten zu gefährden.

Beschreibung

• Große biomolekulare Modelle wie OpenFold, Boltz-2 und ESM für Antikörpermodellierung, Co-Folding, Binder Prediction und Developability aufbauen, feinabstimmen und erweitern • Forschungscode und Prototypen in zuverlässige Komponenten überführen, die in föderierten Trainings- und Evaluationspipelines ausgeführt werden können • Evaluierungen und Benchmarks konzipieren sowie Ergebnispakete für Konsortiumspartner bereitstellen • Verantwortlich für Workstreams bis zur Veröffentlichung anhand vereinbarter Meilensteine sein und Risiken sowie Zielkonflikte frühzeitig aufzeigen • Mit Produkt-, Engineering-, Research- und Konsortiumsteams zusammenarbeiten, um sicherzustellen, dass die Modellentwicklung den Anforderungen realer Anwendungen entspricht • ML-Systeme für Antikörpermodellierung, Co-Folding, Developability Prediction und die Wirkstoffentdeckung im Bereich Biologika entwickeln, trainieren und evaluieren • Mit proprietären pharmazeutischen Daten in föderierten Netzwerken arbeiten • Forschungsbasierte oder Open-Source-Prototypen in Modelle überführen, die evaluiert, veröffentlicht und in realen Wirkstoffforschungs-Workflows eingesetzt werden können

🎯 Anforderungen

• Masterabschluss, Promotion oder gleichwertige Berufserfahrung in Machine Learning, Computational Biology, Bioinformatik, Physik oder einem verwandten Fachgebiet • Sehr gute Kenntnisse in Python und PyTorch • Praktische Erfahrung mit dem Training oder Fine-Tuning von Deep-Learning-Modellen auf biomolekularen Daten • Praktische Erfahrung mit Co-Folding-Modellen oder Protein-Language-Modellen wie OpenFold, AlphaFold, Boltz, ESM oder vergleichbaren Modellen – über die reine Inferenz hinaus • Gute Evaluationspraxis und solide Engineering-Methoden, einschließlich fairer Benchmarks, reproduzierbarer Experimente und wartbaren Codes • Erfahrung mit Kubernetes-basiertem Training, Evaluation oder Deployment sowie mit anderen MLOps- und ML-Infrastruktur-Tools von Vorteil • Erfahrung mit Federated Learning, Privacy-Preserving ML oder verteiltem Training und Multi-GPU-Training von Vorteil • Erfahrung in der Pharmaindustrie, Biotechnologie oder anderen regulierten bzw. besonders vertrauenssensiblen Umgebungen von Vorteil • Publikationen in den Bereichen ML, Computational Biology oder Structural Biology, beispielsweise auf Konferenzen wie NeurIPS, ICML oder ICLR, von Vorteil

🏖️ Vorteile

• Remote-Arbeit (UTC ± 2 Stunden) • Unbefristete Vollzeitstelle