Nuestra experiencia en Medicina Innovadora se nutre e inspira en los pacientes, cuyos conocimientos impulsan nuestros avances basados en la ciencia. Visionarios como tú trabajan en equipos que salvan vidas desarrollando las medicinas del mañana.
Únete a nosotros para desarrollar tratamientos, encontrar curas y liderar el camino del laboratorio a la vida, defendiendo a los pacientes en cada paso del camino.
Más información en https://www.jnj.com/innovative-medicine
Johnson & Johnson Innovative Medicine busca un Científico Posdoctoral - Aprendizaje Multimodal de Representaciones para Biología Predictiva para incorporarse a la organización de Datos, Ciencia de Datos e Inteligencia Artificial (DDSAI) en un puesto fijo de dos años, ayudando a avanzar en el análisis de IA/ML y el modelado multimodal para el descubrimiento de fármacos. Este puesto estará ubicado en cualquiera de las siguientes sedes: Cambridge, MA, EE. UU. (preferente); Spring House, PA, EE. UU.; Beerse, Bélgica; o Madrid, España. (Sin opción de teletrabajo completo.)
Ten en cuenta que este puesto está disponible en varios países y puede publicarse con diferentes números de solicitud para cumplir con los requisitos locales. Aunque puedes solicitar cualquiera o todas las ofertas, te recomendamos centrarte en el país o países que coincidan con tus ubicaciones preferidas:
Dentro de DDSAI, nuestros equipos desarrollan soluciones innovadoras utilizando una variedad de fuentes de datos en múltiples áreas terapéuticas. Buscamos un Postdoctoral Scientist altamente motivado e innovador para trabajar en la intersección del modelado avanzado de IA/ML a escala, el aprendizaje de representaciones multimodales, el descubrimiento de fármacos y la biología predictiva. El candidato seleccionado será una persona con iniciativa propia, creativa y con capacidad de comunicación efectiva, con un fuerte interés en el aprendizaje profundo (deep learning) para la microscopía de imagen y la multiómica. El rol se centra en desarrollar modelos avanzados que analicen y cuantifiquen la heterogeneidad de sistemas celulares perturbados e integren datos biológicos multiescala (por ejemplo, imágenes de alto contenido, fenómica, transcriptómica y proteómica) para derivar nuevos conocimientos biológicos que respalden la cartera de próxima generación para el descubrimiento de fármacos. Un candidato exitoso debe demostrar una gran capacidad para construir, evaluar y comparar métodos de IA/ML, y publicar hallazgos en publicaciones revisadas por pares de primer nivel.