Ανάρτηση Μηχανικής Μάθησης Data Scientist

Περίληψη ρόλου:
Στη Differential Bio, η αποστολή μας είναι να ξεκλειδώσουμε τις δυνατότητες της βιοοικονομίας καθορίζοντας τον τρόπο με τον οποίο γίνεται η βιολογική Ε&Α και η κλιμάκωση.
Αναζητούμε έναν Επιστήμονα Δεδομένων Μηχανικής Μάθησης για να συμμετάσχει στην αναπτυσσόμενη ομάδα μοντελοποίησης αιχμής μας. Θα αναπτύξετε νέους αλγόριθμους μηχανικής μάθησης και μηχανιστικά μοντέλα συστημάτων βιοδιεργασίας και θα τα ωθήσετε από την ερευνητική απόδειξη της ιδέας στην εμπορική χρήση έτοιμη για παραγωγή.
Αυτός ο ρόλος επικεντρώνεται στην έρευνα, συμπεριλαμβανομένης της δημιουργίας υβριδικών μοντέλων που συνδυάζουν προσεγγίσεις μηχανιστικής και μηχανικής μάθησης για να προβλέψουν πώς συμπεριφέρονται οι μικροβιακές ζυμώσεις και που συνεχίζουν να λειτουργούν όταν μετακομίζουμε σε έναν νέο οργανισμό, έναν νέο αισθητήρα ή έναν μεγαλύτερο αντιδραστήρα. Θα παίξετε καθοριστικό ρόλο σε δύο υπάρχουσες επιχορηγήσεις και θα συνεργαστείτε με κορυφαίες ακαδημαϊκές ομάδες και βιομηχανικούς εταίρους σε δεδομένα πιλοτικής και παραγωγικής κλίμακας. Επιπλέον, θα αναπτύξετε νέα ερευνητικά έργα και θα τα οδηγήσετε στην ολοκλήρωση και την εφαρμογή τους σε έργα πελατών.
Ενδιαφερόμαστε για ερευνητές που θέλουν η δουλειά τους να καταλήξει σε πραγματικούς βιοαντιδραστήρες και είναι ενθουσιασμένοι που θα εργαστούν σε μια startup σε πρώιμο στάδιο. Θα πρέπει να αισθάνεστε άνετα να κατέχετε δύσκολα, ανοιχτά προβλήματα όπου κανείς δεν έχει ακόμη την απάντηση, να λαμβάνετε αποφάσεις που βασίζονται σε στοιχεία σε συνθήκες αβεβαιότητας και να στέλνετε πραγματικές λύσεις.
Πώς θα δουλέψεις

• Θα συνεργαστείτε με τεχνικούς επικεφαλής και εξωτερικούς ακαδημαϊκούς/βιομηχανικούς συνεργάτες για να σχεδιάσετε και να εκτελέσετε έρευνα που ανταποκρίνεται στις δεσμεύσεις μας και στις δύο κοινοπραξίες και ενισχύει τη δική μας πλατφόρμα.

• Θα έχετε στην κατοχή σας τα ερευνητικά σας έργα από το πεδίο εφαρμογής έως την παράδοση, με την υποστήριξη από τον επικεφαλής της μοντελοποίησης, αλλά με αυτονομία και ανεξαρτησία.

• Θα συνεργαστείτε στενά με τις ομάδες υγρού εργαστηρίου, στεγνού εργαστηρίου και λογισμικού μας και θα προσδιορίσετε ποια δεδομένα πρέπει να δημιουργήσετε από το ρομποτικό μας εργαστήριο.

Βασικές αρμοδιότητες:
Μοντελοποίηση υβριδικής βιοδιεργασίας

• Αναπτύξτε μοντέλα απόκρισης υβριδικών μηχανιστικών/κυττάρων ML που προβλέπουν τα αποτελέσματα της ζύμωσης (ανάπτυξη, τίτλος, απόδοση, παραγωγικότητα) από δεδομένα διεργασιών και αισθητήρων.

• Συνδέστε σήματα χρονοσειρών από την τεχνολογία ανάλυσης διεργασιών (Raman, NIR, διηλεκτρική φασματοσκοπία, διαλυμένο οξυγόνο, off-gas) με αναλυτικά στοιχεία εκτός σύνδεσης.

• Δημιουργήστε μηχανιστικές ραχοκοκαλιές (π.χ. μοντέλα κινητικής/ODE, μεταβολικά μοντέλα κλίμακας γονιδιώματος) που περιορίζουν τη μάθηση και δημιουργούν συνθετικά δεδομένα εκπαίδευσης.

• Ανάπτυξη υποκατάστατων μοντέλων μηχανικής μάθησης για υπολογιστικά δαπανηρές μηχανιστικές προσομοιώσεις.

• Ποσοτικοποιήστε την αβεβαιότητα, ώστε τα μοντέλα να είναι αξιόπιστα σε περιβάλλοντα παραγωγής υψηλού πονταρίσματος.

Μεταφορά σε οργανισμούς και κλίμακες

• Σχεδιάστε μοντέλα που μεταφέρονται από τον πάγκο στην πιλοτική κλίμακα και την κλίμακα παραγωγής, και σε διάφορα μικρόβια, συμπεριλαμβανομένων των βακτηρίων και της ζύμης.

• Χρησιμοποιήστε τη μάθηση μεταφοράς και τη μάθηση αναπαράστασης για να κάνετε καλές προβλέψεις για νέα στελέχη και διαδικασίες με λίγα δεδομένα.

• Αναπτύξτε χαρακτηρισμούς αντιδραστήρων με δυνατότητα μεταφοράς κλίμακας και προγνωστικά μοντέλα KPI για κλιμάκωση.

Μοντέλο σε πραγματικό χρόνο-Προβλεπτικός Έλεγχος

• Δημιουργήστε το επίπεδο AI/ML για στρατηγικές τροφοδοσίας που βασίζονται σε μη γραμμικό μοντέλο πρόβλεψης (NMPC) και στη μάθηση ενίσχυσης για δυναμική βελτιστοποίηση του τίτλου, του ρυθμού και της απόδοσης.

• Συνδέστε δεδομένα σε πραγματικό χρόνο από την Αναλυτική Τεχνολογία Διεργασιών (PAT) και τους μαλακούς αισθητήρες (π.χ. Raman, NIR) σε εκτιμητές δυναμικής κατάστασης για να οδηγήσουν ενεργοποιητές βιοαντιδραστήρα κλειστού βρόχου (τροφοδοσία, αέρας, ανάδευση).

• Δημιουργήστε πρωτότυπα απλούστερα βήματα στην πορεία, όπως ανίχνευση απόκλισης και ειδοποιήσεις χειριστή

• Σχεδιάστε πλαίσια ελέγχου για να επιλύσετε προληπτικά τα μεταβολικά σημεία συμφόρησης και να λάβετε σοβαρά υπόψη την αβεβαιότητα του μοντέλου, τη μεταβλητότητα από παρτίδα σε παρτίδα και την εγγενή στοχαστικότητα της βιοδιεργασίας.

Προσόντα:

• Διδακτορικό δίπλωμα στη μηχανική μάθηση, τη βιομηχανική, την υπολογιστική βιολογία ή σχετικό τομέα ή μεταπτυχιακό δίπλωμα με 3+ έτη σχετικής εμπειρίας στον κλάδο.

• Ισχυρή ερευνητική ανεξαρτησία. ικανότητα να καλύπτει και να εκτελεί νέα επιστημονική εργασία από την αρχή μέχρι το τέλος.

• Αποδεικτικά στοιχεία ερευνητικών συνεισφορών, συμπεριλαμβανομένων (αλλά δεν περιορίζονται σε): δημοσιεύσεις σε περιοδικά ή συνέδρια με κριτές, συμμετοχή σε συνέδρια, συνεισφορές ανοιχτού κώδικα.

• Ισχυρή Python και σύγχρονα εργαλεία ML (π.χ. PyTorch/JAX, scikit-learn).

• Πρακτική εμπειρία στη δημιουργία μοντέλων δυναμικών συστημάτων ή δεδομένων χρονοσειρών, συνδυάζοντας ιδανικά μηχανιστικές και βασισμένες σε δεδομένα προσεγγίσεις.

• Εμπειρία εργασίας με μοντέλα κωδικοποίησης συνόρων, συμπεριλαμβανομένης της ενορχήστρωσης πολλαπλών πρακτόρων.

• Σαφής γραπτή και προφορική επικοινωνία, μεταξύ άλλων με συνεργάτες που δεν είναι ML.

Ωραίο να έχεις:

• Εμπειρία με δεδομένα βιοδιεργασίας ή ζύμωσης, ιδανικά από βιοαντιδραστήρες σε περισσότερες από μία κλίμακες

• Εμπειρία με Raman, NIR ή άλλα φασματοσκοπικά δεδομένα και χημειομετρικά (π.χ. PLS)

• Υπόβαθρο στον προγνωστικό έλεγχο μοντέλων, στην ενίσχυση της μάθησης ή στον βέλτιστο έλεγχο

• Εμπειρία με μάθηση μεταφοράς, προσαρμογή τομέα ή εκμάθηση αναπαράστασης σε βιολογικά δεδομένα

• Εξοικείωση με μεταβολικά μοντέλα κλίμακας γονιδιώματος ή κινητική μοντελοποίηση

• Εμπειρία με μεθόδους Bayes, ποσοτικοποίηση αβεβαιότητας ή σχεδιασμό πειραμάτων

• Εμπειρία σε συνεργατικά ή δημόσια χρηματοδοτούμενα ερευνητικά έργα (π.χ. Horizon Europe, Eurostars)

Οφέλη:

• Ανταγωνιστική αποζημίωση μέσω μισθού + δικαιωμάτων προαίρεσης μετοχών. Θέλουμε να φτιάξουμε μια μικρή αλλά ισχυρή ομάδα και να σκεφτούμε την αποζημίωση προς αυτή την κατεύθυνση.

• Δημιουργήστε το ερευνητικό σας προφίλ: Εργαστείτε σε ανοιχτά προβλήματα με κορυφαίους Ευρωπαίους ακαδημαϊκούς και βιομηχανικούς εταίρους, με την πρόθεση να παρουσιάσετε και να δημοσιεύσετε την εργασία σας.

• Ένα όμορφο γραφείο στην καρδιά του Μονάχου ή επιλογή απομακρυσμένης εργασίας με περιστασιακά ταξίδια

• Συνδρομή στο eGym WellPass

Βρείτε θέσεις εργασίας στη Γερμανία στο Arbeitnow

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