ML Engineer – Large Molecules

Emploi pas sur LinkedIn

🕒 il y a 25 jours

🇩🇪 Allemagne – Télétravail

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

🤖 Ingénieur Machine Learning

👻 Score fantôme 16%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 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

🏥 Santé

💼 Conseil

📦 Logistique

Healthcare • Consulting • Logistics

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

• Build, fine-tune and extend large biomolecular models such as OpenFold, Boltz-2 and ESM for antibody modeling, co-folding, binder prediction and developability • Turn research code and prototypes into reliable components that run in federated training and evaluation pipelines • Design evaluations and benchmarks, and deliver results packages for consortium partners • Own workstreams through to release against agreed milestones, raising risks and trade-offs early • Work with product, engineering, research and consortium members to ensure model work meets real application needs • Build, train and evaluate ML systems for antibody modeling, co-folding, developability prediction and biologics discovery • Work with proprietary pharmaceutical data across federated networks • Convert research-led or open-source prototypes into models that can be evaluated, released and used in real drug discovery workflows

🎯 Exigences

• An MSc, PhD or equivalent experience in machine learning, computational biology, bioinformatics, physics or a related field • Strong Python and PyTorch • Hands-on experience training or fine-tuning deep learning models on biomolecular data • Hands-on experience with co-folding models or protein language models such as OpenFold, AlphaFold, Boltz, ESM or similar, beyond just running inference • Good evaluation habits and solid engineering practice, including fair benchmarks, reproducible experiments, and maintainable code • Experience with Kubernetes-based training, evaluation or deployment, or other MLOps and ML infrastructure tooling is nice to have • Experience with federated learning, privacy-preserving ML, or distributed and multi-GPU training is nice to have • Experience in pharma, biotech or other regulated or high-trust environments is nice to have • Publications in ML, computational biology or structural biology venues such as NeurIPS, ICML, ICLR or similar are nice to have

🏖️ Avantages

• Remote work (UTC +/- 2 hrs) • Full-time permanent employment