Beitrag von Data Scientist für maschinelles Lernen

Rollenzusammenfassung:
Unsere Mission bei Differential Bio ist es, das Potenzial der Bioökonomie zu erschließen, indem wir festlegen, wie biologische Forschung und Entwicklung sowie deren Skalierung durchgeführt werden.
Wir suchen einen Data Scientist für maschinelles Lernen zur Verstärkung unseres wachsenden, hochmodernen Modellierungsteams. Sie entwickeln neuartige Algorithmen für maschinelles Lernen und mechanistische Modelle von Bioprozesssystemen und bringen sie vom Forschungs-Proof-of-Concept in die produktionsreife kommerzielle Nutzung.
Diese Rolle konzentriert sich auf die Forschung, einschließlich der Erstellung hybrider Modelle, die mechanistische und maschinelle Lernansätze kombinieren, um vorherzusagen, wie sich mikrobielle Fermentationen verhalten, und die weiter funktionieren, wenn wir zu einem neuen Organismus, einem neuen Sensor oder einem größeren Reaktor wechseln. Sie spielen eine entscheidende Rolle bei zwei bestehenden Förderprogrammen und arbeiten mit führenden akademischen Gruppen und Industriepartnern an Daten im Pilot- und Produktionsmaßstab. Darüber hinaus entwickeln Sie neue Forschungsprojekte und treiben diese bis zur Fertigstellung und Anwendung in Kundenprojekten voran.
Wir sind an Forschern interessiert, die möchten, dass ihre Arbeit in echten Bioreaktoren landet, und die sich für die Arbeit in einem Start-up-Unternehmen im Frühstadium begeistern. Sie sollten sich damit wohlfühlen, schwierige, offene Probleme in den Griff zu bekommen, auf die noch niemand die Antwort hat, evidenzbasierte Entscheidungen unter Unsicherheit zu treffen und echte Lösungen zu liefern.
Wie Sie arbeiten werden

• Sie arbeiten mit technischen Leitern und externen Partnern aus Wissenschaft und Industrie zusammen, um Forschungsarbeiten zu entwerfen und durchzuführen, die unseren Verpflichtungen in beiden Konsortien gerecht werden und unsere eigene Plattform stärken.

• Sie übernehmen die Verantwortung für Ihre Forschungsprojekte von der Festlegung des Umfangs bis zur Umsetzung, mit der Unterstützung unseres Modellierungsleiters, aber mit Autonomie und Unabhängigkeit.

• Sie arbeiten eng mit unseren Nasslabor-, Trockenlabor- und Softwareteams zusammen und ermitteln, welche Daten Sie aus unserem Roboterlabor generieren müssen.

Hauptaufgaben:
Hybride Bioprozessmodellierung

• Entwickeln Sie hybride mechanistische/ML-Zellreaktionsmodelle, die Fermentationsergebnisse (Wachstum, Titer, Ertrag, Produktivität) anhand von Prozess- und Sensordaten vorhersagen.

• Zeitreihensignale aus der Prozessanalysetechnik (Raman, NIR, dielektrische Spektroskopie, gelöster Sauerstoff, Abgas) mit Offline-Analytik kombinieren.

• Bauen Sie mechanistische Grundgerüste auf (z. B. kinetische/ODE-Modelle, Stoffwechselmodelle im Genommaßstab), die das Lernen einschränken und synthetische Trainingsdaten generieren.

• Entwickeln Sie Ersatzmodelle für maschinelles Lernen für rechenintensive mechanistische Simulationen.

• Quantifizieren Sie die Unsicherheit, damit Sie den Modellen in Produktionsumgebungen mit hohen Einsätzen vertrauen können.

Übertragung über Organismen und Skalen hinweg

• Entwerfen Sie Modelle, die vom Labortisch auf den Pilot- und Produktionsmaßstab sowie auf verschiedene Mikroben, einschließlich Bakterien und Hefen, übertragen werden können.

• Nutzen Sie Transferlernen und Repräsentationslernen, um mit wenigen Daten gute Vorhersagen für neue Belastungen und Prozesse zu treffen.

• Entwickeln Sie skalenübertragbare Reaktorcharakterisierungen und prädiktive KPI-Modelle für die Skalierung.

Modellprädiktive Echtzeitsteuerung

• Erstellen Sie die AI/ML-Ebene für Nonlinear Model Predictive Control (NMPC) und auf Verstärkungslernen basierende Fütterungsstrategien, um Titer, Rate und Ertrag dynamisch zu optimieren.

• Verschmelzen Sie Echtzeitdaten von Process Analytical Technology (PAT) und Soft-Sensoren (z. B. Raman, NIR) zu dynamischen Zustandsschätzern, um Bioreaktoraktoren mit geschlossenem Regelkreis (Zufuhr, Luft, Rühren) anzutreiben.

• Erstellen Sie unterwegs Prototypen einfacherer, umsetzbarer Schritte, wie z. B. Abweichungserkennung und Bedienerwarnungen

• Entwerfen Sie Kontrollrahmen, um metabolische Engpässe proaktiv zu beheben und Modellunsicherheit, Chargenvariabilität und inhärente Bioprozessstochastik zuverlässig zu berücksichtigen.

Qualifikationen:

• Doktortitel in maschinellem Lernen, Bioingenieurwesen, Computational Biology oder einem verwandten Bereich oder ein Master-Abschluss mit mehr als 3 Jahren einschlägiger Branchenerfahrung.

• Starke Forschungsunabhängigkeit; Fähigkeit, neuartige wissenschaftliche Arbeiten von Anfang bis Ende zu planen und durchzuführen.

• Nachgewiesener Nachweis von Forschungsbeiträgen, einschließlich (aber nicht beschränkt auf): von Experten begutachtete Zeitschriften- oder Konferenzbeiträge, Teilnahme an Konferenzen, Open-Source-Beiträge.

• Starkes Python und moderne ML-Tools (z. B. PyTorch/JAX, scikit-learn).

• Praktische Erfahrung im Aufbau von Modellen dynamischer Systeme oder Zeitreihendaten, idealerweise in Kombination von mechanistischen und datengesteuerten Ansätzen.

• Erfahrung in der Arbeit mit Frontier-Coding-Modellen, einschließlich Multi-Agent-Orchestrierung.

• Klare schriftliche und mündliche Kommunikation, auch mit Nicht-ML-Partnern.

Nice-to-have:

• Erfahrung mit Bioprozess- oder Fermentationsdaten, idealerweise aus Bioreaktoren auf mehr als einem Maßstab

• Erfahrung mit Raman, NIR oder anderen spektroskopischen Daten und Chemometrie (z. B. PLS)

• Hintergrundwissen zu modellprädiktiver Regelung, bestärkendem Lernen oder optimaler Regelung

• Erfahrung mit Transferlernen, Domänenanpassung oder Repräsentationslernen auf biologischen Daten

• Vertrautheit mit Stoffwechselmodellen im Genommaßstab oder kinetischer Modellierung

• Erfahrung mit Bayes'schen Methoden, Unsicherheitsquantifizierung oder Versuchsplanung

• Erfahrung in kooperativen oder öffentlich geförderten Forschungsprojekten (z. B. Horizon Europe, Eurostars)

Vorteile:

• Wettbewerbsfähige Vergütung durch Gehalt + Aktienoptionen; Wir möchten ein kleines, aber feines Team aufbauen und denken über eine Vergütung in diesem Sinne nach.

• Bauen Sie Ihr Forschungsprofil auf: Arbeiten Sie an offenen Problemen mit führenden europäischen akademischen und industriellen Partnern, mit der Absicht, Ihre Arbeit zu präsentieren und zu veröffentlichen;

• Ein schönes Büro im Herzen von München oder Remote-Arbeitsmöglichkeit mit gelegentlichen Reisen

• eGym WellPass-Mitgliedschaft

Finden Sie Jobs in Deutschland auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.com/jobs/companies/differentialbio/machine-learning-data-scientist-posting-munich-468450)