Starszy analityk danych (obrazowanie)

O RelationRelation to firma TechBio, która definiuje sektor i opracowuje leki transformacyjne, których podstawą jest technologia. Naszą ambicją jest zrozumienie biologii człowieka w bezprecedensowy sposób i odkrycie terapii pozwalających leczyć niektóre z najbardziej wyniszczających chorób. Wykorzystujemy multiomikę pojedynczych komórek z tkanki pacjenta, testy funkcjonalne i uczenie maszynowe, aby pogłębiać wiedzę na temat chorób, od przyczyny do wyleczenia.

Szybko się skalujemy i budujemy zespół wyjątkowych osób, aby przesuwać granice odkrywania leków. Będziesz pracować w wysoce interdyscyplinarnych zespołach, w których biologia, obliczenia i inżynieria łączą się, aby rozwiązywać złożone problemy, które nie zostały wcześniej rozwiązane. Nasze najnowocześniejsze mokre i suche laboratoria w sercu Londynu zostały zaprojektowane tak, aby przyspieszyć tę integrację i przełożyć wiedzę na wpływ.

Zależy nam na budowaniu zróżnicowanych i włączających zespołów. Relation jest pracodawcą zapewniającym równe szanse i nie dyskryminuje ze względu na płeć, orientację seksualną, stan cywilny lub związek partnerski, zmianę płci, rasę, kolor skóry, narodowość, pochodzenie etniczne lub narodowe, religię lub przekonania, niepełnosprawność lub wiek. Dołączając do Relation, pomożesz określić, w jaki sposób odkrywane są leki i wywierać znaczący wpływ na pacjentów.

SzansaRelation oferuje starszemu analitykowi danych wyjątkową okazję do pomocy w budowaniu nowej generacji generatywnych i predykcyjnych modeli zachowań komórkowych, ze szczególnym uwzględnieniem na obrazach o dużej zawartości. Twoja praca będzie miała kluczowe znaczenie dla naszej misji zrozumienia i kontrolowania procesu decyzyjnego w komórkach, umożliwiając nowatorskie strategie terapeutyczne oparte na modelach generatywnych. Dołączysz do zespołu mającego dostęp do najnowocześniejszych multiomicznych i interwencyjnych zbiorów danych, zaawansowanej infrastruktury obliczeniowej i głębokiej interdyscyplinarnej wiedzy specjalistycznej, a także kultury obejmującej nowoczesne narzędzia uczenia maszynowego, w tym agentyczne przepływy pracy, w celu przyspieszenia iteracji badań.

Rola ta ma na celu napędzanie nauki o danych obrazowych: tworzenie gotowych do szkolenia zestawów danych obrazowych, ocena projektów rozróżniająca sygnały biologiczne na podstawie artefaktów technicznych, interpretuj zachowanie modelu podstawowego w obrazowaniu komórkowym i udostępniaj interfejs mokrego laboratorium zespołom zajmującym się testami obrazowania, które generują dane. Codziennie będziesz tworzyć gotowe do szkolenia zestawy danych obrazowania w ramach malowania komórek i testów jasnego pola. Opracuj projekt ewaluacji metod obrazowania w ścisłej współpracy z ML i naukowcami zajmującymi się danymi.

Dowiedz się, jakie modele uczą się o morfologii komórkowej, identyfikuj tryby awarii i przekazuj wnioski z powrotem do decyzji dotyczących modelowania. Współpracuj z zespołami testowymi mokrego laboratorium od projektowania płytek po do dostarczania danych, zapewniając, że testy obrazowe pozostaną analitycznie wykonalne i dostarczają cennych danych. Weź udział w ocenie multimodalnej: powiąż odczyty obrazowania z danymi dotyczącymi pojedynczych komórek i zaburzeń.

Przekazuj metodologię i ustalenia w sposób jasny i rygorystyczny całemu zespołowi obliczeniowemu. Śledź rozwój podstawowych modeli obrazowania biologicznego i wnoś odpowiednie postępy do naszej pracy. Zawodowo będziesz mieć doktorat (lub równoważne doświadczenie w branży) w dziedzinie biologii obliczeniowej, bioinformatyki, wizji komputerowej, inżynieria biomedyczna lub ściśle pokrewna dyscyplina. Dobra znajomość metod obrazowania o dużej zawartości, w tym malowania komórek i jasnego pola: wiedza o tym, jak wyglądają dobre dane, rozpoznawanie typowych artefaktów i ocena znaczenia biologicznego.

Praktyczna wiedza na temat podejść do obrazowania metodą głębokiego uczenia się, wystarczająca do wnioskowania o zachowaniu modelu i projektowania odpowiedniej oceny. Doświadczenie w projektowaniu ram ewaluacyjnych dla modeli ML, najlepiej z obrazowaniem lub porównywalnymi danymi naukowymi. Mocny stos Pythona do nauki o danych (numpy, pandas / polars, scikit-learn, PyTorch).Znajomość danych obrazowych w skali terabajtów i standardowych formatów naukowych.Silne podstawy biologiczne i umiejętność skutecznej współpracy z naukowcami z mokrego laboratorium.Dodatkowe doświadczenie: znajomość klasycznych narzędzi bioobrazu (CellProfiler, scikit-image, ImageJ / Fidżi) na potrzeby kontroli jakości; duże publiczne zbiory danych dotyczące malowania komórek; rekord publikacji w odpowiednich miejscach.Osobiście czujesz się komfortowo pracując w matrycowym środowisku, równoważąc wielu interesariuszy i efektywnie wnosząc wkład w zespołach.Przejmij odpowiedzialność za swoją pracę, aktywnie szukaj okazji do wniesienia swojego wkładu i umożliwiaj innym jak najlepsze wykonywanie swojej pracy.Komunikuj się otwarcie i bezpośrednio, konstruktywnie przekazuj i przyjmuj informacje zwrotne oraz podchodź do trudnych rozmów z szacunkiem.Aktywnie poszukuj różnorodnych perspektyw, buduj silne relacje robocze i przyczyniaj się do osiągania wspólnych celów w zespołach.Podejmuj wyzwania dzięki otwartości i odporności, wyznaczaj wysokie standardy dla siebie i staraj się zapewniać znaczące wyniki.

Styl i kultura pracy w RelationAt Relation działa w matrycowym, interdyscyplinarnym środowisku, w którym wpływ opiera się na współpracy w dziedzinach naukowych, technicznych i operacyjnych. Współpracujemy, a Ty będziesz współpracować z kolegami z wielu zespołów i projektów, wnosząc swoją wiedzę specjalistyczną, dostosowując się do wspólnych priorytetów firmy. Współpracujemy i wspólnie wygrywamy!

Pacjent czeka!Agencje rekrutacyjnePamiętaj, że Relation nie przyjmuje niezamówionych CV od agencji. Życiorysów nie należy przesyłać do naszych pseudonimów służbowych ani pracowników. Relation nie będzie ponosić żadnych opłat związanych z niechcianymi CV. Znajdź więcej anglojęzycznych ofert pracy w Wielkiej Brytanii na Arbeitnow