Directeur de la recherche ML – Applications d'IA

🕒 il y a 1 mois

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Recevoir des emails pour des emplois à distance

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Apheris

Site WebLinkedInTous les Emplois

11 - 50 employés

Fondée en 2019

🤖 Intelligence artificielle

🧬 Biotechnologie

💊 Pharmaceutique

Artificial Intelligence • Biotechnology • Pharmaceuticals

Apheris est une entreprise spécialisée dans la collaboration sécurisée et conforme des données dans des environnements de données distribués, en particulier pour les entreprises. Les solutions de l'entreprise permettent aux organisations de s'engager dans l'apprentissage fédéré et l'analyse, facilitant la création de modèles sans déplacer de données sensibles, préservant ainsi la confidentialité et la sécurité. Apheris met l'accent sur la fourniture d'une technologie qui permet les écosystèmes de données multipartites et les partenariats, avec un fort accent sur la conformité, notamment dans les industries réglementées comme la pharmacie et la biotechnologie. Leur technologie est approuvée par les grandes entreprises pharmaceutiques pour soutenir les initiatives de découverte de médicaments basées sur l'IA sans compromettre les données propriétaires.

Description

• Mettre en place et diriger l'équipe dédiée de recherche ML au sein des Applications d'IA, en collaboration avec les équipes d'ingénierie existantes et en établissant le mandat de recherche pour l'organisation. • Concevoir, améliorer et entraîner des modèles fondamentaux à grande échelle pour la biologie structurale et le co-folding, en répondant aux défis centraux de la modélisation des interactions protéiques et de la découverte de médicaments. • Exploiter des jeux de données propriétaires à grande échelle en biologie structurale et biophysique pour développer des pipelines de données et des architectures de modèles améliorés qui intègrent des priors géométriques et physiques. • Traduire les avancées en ML pour la biologie structurale et la littérature adjacente en approches de modélisation pratiques pour des problèmes réels de découverte de médicaments. • Piloter la livraison interfonctionnelle avec les équipes AISB, ADMET, ingénierie, produit et confidentialité, en veillant à ce que les résultats de la recherche s'intègrent aux workflows de production. • Collaborer avec des partenaires académiques sur le co-folding et la biologie structurale, contribuer à des publications et présenter les résultats lors de conférences de premier plan. • Représenter Apheris lors d'échanges avec des clients et dans des forums scientifiques, et aider à résoudre des problèmes de modélisation à fort impact auprès de multiples partenaires pharmaceutiques. • Constituer et encadrer, à terme, une équipe performante de chercheurs ML et d'ingénieurs.

🎯 Exigences

• Vous êtes titulaire d'un diplôme de troisième cycle (PhD ou MSc) en informatique, machine learning, biologie computationnelle ou domaine connexe, et disposez de plus de 7 ans d'expérience pertinente, dont au moins 3 ans en encadrement technique. • Vous avez une solide expérience de l'application du machine learning à des problèmes biologiques, en particulier en biologie structurale (ex. co-folding, modélisation des protéines) ou dans des domaines adjacents tels que l'ADMET. • Vous justifiez d'un historique de publications dans des conférences ou revues de premier plan en ML ou biologie computationnelle (ex. NeurIPS, ICML, ICLR, ISMB, RECOMB ou équivalents). • Expérience pratique des systèmes ML modernes (Python, PyTorch) et travail sur ou extension de modèles à grande échelle (ex. OpenFold, Boltz ou similaires). • À l'aise dans un rôle de player‑coach : définir l'orientation technique, diriger des équipes et contribuer directement à la modélisation et aux expérimentations. • Efficace dans des environnements interfonctionnels et en relation avec les clients ; capable de traduire des problèmes scientifiques ambigus en approches techniques claires. • Atout : expérience en biotech en phase early-stage ou dans la création ex nihilo de systèmes ML ou de fonctions recherche. • Expérience de l'entraînement de grands modèles, y compris l'entraînement distribué sur des clusters GPU ou des plateformes cloud (AWS, Azure, Lambda). • Solide expérience en MLOps et en infrastructure de machine learning, en particulier avec des workflows basés sur Kubernetes. • Expérience dans le développement de modèles QSAR avec des méthodes de machine learning classiques ou de deep learning. • Expérience dans l'écriture de kernels Triton ou l'optimisation des performances des modèles au niveau système. • Expérience en federated learning, ML préservant la confidentialité ou autres environnements d'entraînement multipartites.

🏖️ Avantages

• Rémunération compétitive au sein de l'industrie, incluant des options virtuelles (stock options) en phase early-stage • Politique remote-first – travailler là où vous êtes le plus efficace • Budget bien‑être, soutien santé mentale, budget télétravail, allocation coworking et budget formation • Congés généreux • Journées au bureau dans notre siège de Berlin ou un autre lieu européen (3x par an) • Équipe de haut niveau, axée sur l'exécution, avec de l'expérience dans des organisations de premier plan