Senior ML Research Engineer

🔥 vor 22 Minuten

🇩🇪 Deutschland – Remote

⏰ Vollzeit

🟠 Senior

📚 Forschungsingenieur

👻 Geisterscore 19%

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

• Entwicklung und Verbesserung von ML-Modellen in der Molekular- und Strukturbiologie, beispielsweise Co-Folding- und Bindungsaffinitätsmodellen, für Anwendungen und Workflows im Wirkstoffdesign • Weiterentwicklung von Modellen – von der ersten Idee über iterative Prototyping-Phasen bis hin zu robusten Tools • Entwicklung von Benchmarking- und Evaluierungsstrategien zur Modellbewertung • Iterative Weiterentwicklung und Verfeinerung von Modellierungsansätzen auf Grundlage datenbasierter Erkenntnisse • Diagnose und Behebung von Problemen mit der Datenqualität und Datenpipelines, die die Modellqualität beeinträchtigen • Aktuelle Forschungsliteratur verfolgen und geeignete öffentlich verfügbare Ansätze für Forschung und Entwicklung identifizieren • Zusammenarbeit mit Kunden, kundenorientierten Engineers und externen Kooperationspartnern zur Unterstützung praxisnaher Anwendungsfälle im Wirkstoffdesign • Durchführung von Forschungsprojekten und Überführung wissenschaftlicher Ziele in fortschrittliche ML-Modelle, die evaluiert, veröffentlicht und in Workflows der Wirkstoffforschung eingesetzt werden können

🎯 Anforderungen

• Promotion oder Masterabschluss in Machine Learning, Computational Biology, Computational Chemistry, Bioinformatik, Physik oder einem verwandten Fachgebiet • Mindestens zwei Jahre Berufserfahrung in der Anwendung von ML auf wissenschaftliche Fragestellungen • Praktische Erfahrung mit dem Training, Fine-Tuning und der Erweiterung von Deep-Learning-Modellen für die Modellierung molekularer Strukturen oder Proteinstrukturen • Fähigkeit, ML-Modelle, ihr Training und wissenschaftliche Benchmarks rigoros zu analysieren und Erkenntnisse in wirkungsvolle Verbesserungen zu überführen • Hervorragende Kenntnisse in Python und PyTorch • Fähigkeit, zuverlässigen und sauberen Code zu entwickeln • Sicherer Umgang mit Multi-GPU- und verteiltem Training • Umfassende Kenntnisse der Strukturbiologie sowie der Datenformate, Qualitätsmetriken und Tools für Protein-Ligand-Daten • Wissenschaftliche Mitwirkungsmöglichkeiten proaktiv erkennen, um zur Erreichung der Unternehmensziele beizutragen • Von Vorteil: Erfahrung mit Federated Learning, datenschutzwahrendem ML oder sicherem Modelltraining • Von Vorteil: Erfahrung in der Entwicklung von ML-Modellen für das Wirkstoffdesign in Pharma- oder Biotech-Unternehmen • Von Vorteil: Veröffentlichungen auf renommierten Konferenzen und in führenden Fachzeitschriften für ML oder Strukturbiologie oder Beiträge zu Open-Source-Projekten in diesem Bereich

🏖️ Vorteile

• Branchenübliches, wettbewerbsfähiges Vergütungspaket einschließlich virtueller Beteiligungsoptionen in der Frühphase • Remote-first-Arbeitsmodell – arbeite dort, wo du am besten arbeitest, ob von zu Hause oder aus einem Coworking-Space in deiner Nähe • Budget für dein Wohlbefinden • Leistungen zur Unterstützung der psychischen Gesundheit • Budget für die Arbeit von zu Hause • Zuschuss für Coworking • Budget für Lernen und Weiterentwicklung • Großzügiger Urlaubsanspruch • Office Days am Berliner Hauptsitz oder an einem anderen europäischen Standort (dreimal pro Jahr)