Публікація спеціаліста з обробки даних машинного навчання

Короткий опис ролі:
У Differential Bio наша місія полягає в тому, щоб розкрити потенціал біоекономіки, визначивши, як проводяться біологічні дослідження та розробки та масштабування.
Ми шукаємо науковця з машинного навчання, який приєднається до нашої зростаючої команди передового моделювання. Ви розробите нові алгоритми машинного навчання та механістичні моделі систем біопроцесів і перенесете їх із дослідницького підтвердження концепції в комерційне використання, готове до виробництва.
Ця роль зосереджена на дослідженнях, у тому числі на створенні гібридних моделей, які поєднують механістичні підходи та підходи до машинного навчання, щоб передбачити, як поводиться мікробна ферментація, і які продовжують працювати, коли ми переходимо до нового організму, нового датчика або більшого реактора. Ви відіграватимете важливу роль у двох існуючих грантах і працюватимете з провідними академічними групами та промисловими партнерами над даними пілотного та виробничого масштабу. Крім того, ви розроблятимете нові дослідницькі проекти та доводитимете їх до завершення та застосування в проектах клієнтів.
Ми зацікавлені в дослідниках, які хочуть, щоб їхня робота закінчилася в справжніх біореакторах, і раді працювати на ранніх стадіях запуску. Вам має бути комфортно володіти складними, відкритими проблемами, на які ще ніхто не має відповіді, приймати рішення на основі доказів в умовах невизначеності та пропонувати реальні рішення.
Як ви будете працювати

• Ви співпрацюватимете з технічними лідерами та академічними/галузевими зовнішніми партнерами для розробки та виконання досліджень, які відповідають нашим зобов’язанням в обох консорціумах і зміцнюють нашу власну платформу.

• Ви будете володіти своїми дослідницькими проектами від визначення обсягу до реалізації за підтримки нашого керівника моделювання, але з автономією та незалежністю.

• Ви тісно співпрацюватимете з нашими групами мокрих лабораторій, сухих лабораторій і програмного забезпечення та визначите, які дані вам потрібно генерувати з нашої роботизованої лабораторії.

Основні обов'язки:
Гібридне моделювання біопроцесів

• Розробити гібридні моделі механічної/ML реакції клітин, які передбачають результати бродіння (зростання, титр, врожайність, продуктивність) на основі даних процесу та датчиків.

• Поєднуйте сигнали часових рядів від аналітичної технології процесу (комбінаційного розсіювання, NIR, діелектричної спектроскопії, розчиненого кисню, відхідних газів) з автономною аналітикою.

• Створюйте механічні основи (наприклад, кінетичні/ODE моделі, метаболічні моделі в масштабі генома), які обмежують навчання та генерують синтетичні навчальні дані.

• Розробка сурогатних моделей машинного навчання для обчислювально дорогого механістичного моделювання.

• Визначте кількісну невизначеність, щоб моделям можна було довіряти в умовах виробництва з високими ставками.

Передача між організмами та масштабами

• Розробляйте моделі, які переносяться від настільних до пілотних і виробничих масштабів, а також для різних мікробів, включаючи бактерії та дріжджі.

• Використовуйте навчання переносу та навчання репрезентації, щоб робити гарні прогнози для нових штамів і процесів з невеликою кількістю даних.

• Розробити характеристики реакторів, які можна перенести, і прогнозні моделі KPI для масштабування.

Модельно-прогнозований контроль у реальному часі

• Створіть рівень штучного інтелекту/ML для прогнозованого керування нелінійною моделлю (NMPC) і стратегій годівлі на основі підкріпленого навчання для динамічної оптимізації титру, норми та врожайності.

• Об’єднайте дані в режимі реального часу з аналітичної технології процесів (PAT) і м’яких датчиків (наприклад, комбінаційного розсіювання, NIR) у динамічні оцінювачі стану для керування виконавчими механізмами біореакторів із замкнутим циклом (подача, повітря, перемішування).

• Прототип простіших кроків, які можна розгортати, таких як виявлення відхилень і сповіщення оператора

• Розробка систем контролю для активного усунення метаболічних вузьких місць і надійного врахування невизначеності моделі, мінливості від партії до партії та властивої біопроцесу стохастичності.

кваліфікація:

• Доктор наук у галузі машинного навчання, біоінженерії, обчислювальної біології чи суміжної галузі або ступінь магістра з досвідом роботи у відповідній галузі понад 3 роки.

• Сильна незалежність дослідження; здатність охоплювати та виконувати нову наукову роботу від початку до кінця.

• Продемонстровані докази участі в дослідженнях, включаючи (але не обмежуючись ними): рецензовані статті журналів або конференцій, відвідування конференцій, внески з відкритим кодом.

• Надійний Python і сучасний інструментарій ML (наприклад, PyTorch/JAX, scikit-learn).

• Практичний досвід побудови моделей динамічних систем або даних часових рядів, ідеально поєднуючи механістичний і керований даними підхід.

• Досвід роботи з прикордонними моделями кодування, включаючи багатоагентну оркестровку.

• Чітка письмова та усна комунікація, зокрема з партнерами, які не є ML.

Приємно мати:

• Досвід роботи з даними про біопроцес або ферментацію, в ідеалі з біореакторів у більш ніж одному масштабі

• Досвід роботи з Раманом, NIR або іншими спектроскопічними даними та хемометрією (наприклад, PLS)

• Досвід роботи з прогнозованим керуванням, навчання з підкріпленням або оптимальне керування

• Досвід навчання з перенесенням, адаптації предметної області або навчання представлення біологічних даних

• Знайомство з метаболічними моделями генома або кінетичним моделюванням

• Досвід роботи з байєсівськими методами, кількісним визначенням невизначеності або дизайном експериментів

• Досвід у спільних або фінансованих державою дослідницьких проектах (наприклад, Horizon Europe, Eurostars)

Переваги:

• Конкурентна винагорода через зарплату + опціони на акції; ми хочемо побудувати невелику, але потужну команду та думати про компенсацію відповідно до цього;

• Сформуйте свій дослідницький профіль: працюйте над відкритими проблемами з провідними європейськими академічними та промисловими партнерами з наміром представити та опублікувати свою роботу;

• Гарний офіс у центрі Мюнхена або варіант віддаленої роботи з випадковими поїздками

• Членство в eGym WellPass

Знайдіть роботу в Німеччині на Arbeitnow

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