
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.
🕒 vor 4 Monaten
🗣️🇺🇸🇬🇧 Englisch erforderlich
Woher diese Stelle stammt
Veröffentlicht auf der Karriereseite von Apheris ↗, nicht über eine Jobbörse
Von Remote Rocketship zum ersten Mal gesehen vor 4 Monaten
Noch offen auf der Website von Apheris. Geprüft vor 2 Stunden.

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.
• Entwicklung und Implementierung von ML-Anwendungen in der Strukturbiologie, insbesondere im Bereich Feinabstimmung und Erweiterung von Foundation-Modellen wie OpenFold, Boltz-2 und ESMFold. • Entwurf und Implementierung von Modellerweiterungen für spezifische Aufgaben wie Vorhersage von Protein-Komplexen und Bindungsaffinität, einschließlich Daten-Distillation sowie Benchmarking- und Evaluations-Pipelines. • Zusammenarbeit mit Kunden und akademischen Partnern zur Definition von Strategien für Datenvorverarbeitung, -auswahl und Benchmarking für neuartige Trainingsaufgaben mit Proteinstrukturen, Komplexen und multimodalen biologischen Daten. • Durchführung von Fallstudien im Zusammenhang mit den oben genannten Themen und Bereitstellung wissenschaftlicher und technischer Expertise für Kunden. • Beteiligung am gesamten Projektzyklus, von der Abgrenzung des Umfangs bis hin zur Ergebnislieferung und Verbreitung. • Entwurf, Aufbau und Wartung skalierbarer Machine-Learning-Modelle und der für Training, Inferenz und Deployment in Produktion erforderlichen Pipelines. • Funktionsübergreifende Zusammenarbeit, um sicherzustellen, dass Modelle reale Anforderungen in der Wirkstoffforschung adressieren. • Mitwirkung an Veröffentlichungen oder Open-Source-Beiträgen, sofern relevant.
• Tiefgehende Erfahrung im Aufbau und Training zeitgemäßer Modelle in Produktion und in großem Maßstab (z. B. AlphaFold, OpenFold, Boltz) • Erfahrung in der Anwendung von ML auf reale Probleme der Proteinstrukturvorhersage oder der Wirkstoffforschung • Sicheres Arbeiten in einem schnelllebigen Startup-Umfeld und Freude an kundengetriebenen Projekten • Verständnis der technischen Herausforderungen der Strukturbiologie und Fähigkeit, skalierbare Workflows für Datenvorverarbeitung, Training und Evaluierung zu entwerfen • Von Vorteil: Erfahrung mit Federated Learning, privacy-preserving ML oder privacy-preserving Modelltraining • Von Vorteil: Publikationen in ML- oder Biologie-Journalen/Konferenzen (z. B. NeurIPS, ICML, Nature Methods, Bioinformatics)
• Branchenübliche, wettbewerbsfähige Vergütung, inkl. virtueller Aktienoptionen in der Frühphase • Remote-first-Arbeitsweise – arbeite dort, wo du am besten arbeitest, sei es von zu Hause oder in einem Coworking-Space in deiner Nähe • Umfangreiches Leistungspaket, einschließlich Wohlfühlbudget, Angebote zur psychischen Gesundheit, Home-Office-Zuschuss, Coworking-Stipendium und Weiterbildungsbudget • Regelmäßige Team-Lunches und soziale Events • Großzügige Urlaubsregelung • Vierteljährliches All-Hands-Treffen an unserem Berliner Hauptsitz oder an einem anderen europäischen Standort • Ein unterhaltsames, diverses Team aus mission-driven Personen, die KI und ML zum Wohle einsetzen möchten • Viel Raum für persönliche und berufliche Entwicklung und die Möglichkeit, die eigene Rolle mitzugestalten
Jetzt BewerbenVerbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.
🕒 vor 8 Monaten
Senior Machine-Learning-Ingenieur, der skalierbare KI-Lösungen für den Life-Sciences-Bereich entwickelt. Arbeitet in bereichsübergreifenden Teams zur Verbesserung klinischer Datenanalysen.
🗣️🇺🇸🇬🇧 Englisch erforderlich
🕒 vor 11 Monaten
KI-Ingenieur, der skalierbare ML-Lösungen entwickelt und Verantwortung für produktive KI-Systeme übernimmt. Zusammenarbeit mit Teams, um zuverlässige und wartbare Modelle in Produkten sicherzustellen.
🇩🇪 Deutschland – Remote
💵 €80.000 - €120.000 / Jahr
⏰ Vollzeit
🟡 Mittelstufe
🟠 Senior
🤖 Machine-Learning-Entwickler
🕒 vor 11 Monaten
Machine Learning Engineer III, verantwortlich für Entwurf, Entwicklung und Bereitstellung von ML-Systemen für Routing-Kosten bei Mapbox. Zusammenarbeit mit einem großen Team zur Weiterentwicklung von Navigationstechnologien.
🇩🇪 Deutschland – Remote
💰 Venture Round im 2021-04
⏰ Vollzeit
🟠 Senior
🔴 Experte
🤖 Machine-Learning-Entwickler
🗣️🇺🇸🇬🇧 Englisch erforderlich