Research Scientist: Machine Learning for Computational Toxicology (m/w/d) in Berlin
Jobbeschreibung
Bayer ist ein weltweit tätiges Unternehmen mit Kernkompetenzen auf den Life-Science-Gebieten Gesundheit und Agrarwirtschaft. Mit seinen Produkten und Dienstleistungen will Bayer den Menschen nützen und zur Verbesserung der Lebensqualität beitragen. Bayer schätzt die Leidenschaft seiner Mitarbeiterinnen und Mitarbeiter für Innovationen und gibt ihnen die Kraft, Dinge zu verändern.
Research Scientist: Machine Learning for Computational Toxicology (m/w/d)
Die Forschungsgruppe Machine Learning sucht einen leidenschaftlichen und kreativen Forscher (m/w/d) zur Verstärkung unseres Teams. Der erfolgreiche Kandidat wird uns dabei helfen, Lösungen für computergestützte toxikologische Fragestellungen durch maschinelles Lernen zu erarbeiten.
IHRE AUFGABEN UND VERANTWORTLICHKEITEN
- Funktion als aktives Mitglied eines hochgradig interdisziplinären Teams für maschinelles Lernen
- Entwicklung von neuen Machine-Learning-Modellen zur Verbesserung der Vorhersage der Toxizität von Molekülen
- Mitwirkung bei der Implementierung einer Deep-Learning-Plattform zur Nutzung von internen und externen Assay-Daten für molekulare Toxizitätsvorhersagen
- Effiziente Bereitstellung von maschinellen Lernmodellen in der Cloud und auf dem Desktop
- Entwurf von Benutzererfahrungen für maschinelles Lernen in der computergestützten Toxikologie, um die Verfeinerung von Modellen durch den Menschen zu ermöglichen
- Enge Zusammenarbeit mit Wissenschaftlern für maschinelles Lernen sowie Fachexperten
- Direkte Einflussnahme auf die EU-finanzierten ONTOX-Projekte
- Stärkung der externen Sichtbarkeit und der wissenschaftlichen Kompetenz durch Beiträge zu Open-Source-Projekten, Veröffentlichungen und den Austausch mit der wissenschaftlichen Gemeinschaft
WAS SIE MITBRINGEN
- Ein hochwissenschaftliches und technisches Profil mit einem PhD-Abschluss, alternativ M.Sc. mit mehrjähriger Berufserfahrung kombiniert mit starkem Interesse für computergestützte Life Sciences (Biologie / Toxikologie / Chemie)
- Erfahrung im Aufbau von Datenexplorations- und Machine-Learning-Tools ist von Vorteil
- Exzellente Programmierkenntnisse in Python
- Erfahrung mit relevanten Bibliotheken (tensorflow/pytorch, the python scientific stack, etc.) ist ein großes Plus
- Kreativität mit hervorragender Problemlösungsfähigkeit und der Bereitschaft, anspruchsvolle Analyseaufgaben zeitnah zu übernehmen
- Starke zwischenmenschliche Fähigkeiten, exzellente schriftliche und mündliche Kommunikation und die Fähigkeit, sowohl selbstständig als auch in funktionsübergreifenden Teams effektiv zu arbeiten
- Fließende Englischkenntnisse in Wort und Schrift
WEITERE INFORMATIONEN
Diese Stelle ist Teil eines EU-geförderten Projekts und zunächst befristet mit Aussicht auf Entfristung zu besetzen.
IHRE BEWERBUNG
Sie suchen eine Herausforderung, in der Sie Ihre Leidenschaft für Innovationen einbringen können? Sie möchten Teil eines globalen Teams werden und gemeinsam mit uns das Leben auf der Welt verbessern? Dann bewerben Sie sich online mit Ihren vollständigen Bewerbungsunterlagen (Anschreiben, Lebenslauf, Zeugnisse).
Bayer begrüßt Bewerbungen aller Menschen ungeachtet von ethnischer Herkunft, nationaler Herkunft, Geschlecht, Alter, körperlichen Merkmalen, sozialer Herkunft, Behinderung, Mitgliedschaft in einer Gewerkschaft, Religion, Familienstand, Schwangerschaft, sexueller Orientierung, Geschlechtsidentität oder einem anderen sachfremden Kriterium nach geltendem Recht. Wir bekennen uns zu dem Grundsatz, alle Bewerberinnen und Bewerber fair zu behandeln und Benachteiligungen zu vermeiden.
Standort: Deutschland : Berlin : Berlin
Division: Pharmaceuticals
Referenzcode: 410547
Extra Informationen
- Status
- Inaktiv
- Standort
- Berlin
- Jobart
- Karrierestarter
- Tätigkeitsbereich
- Chemie / Pharmazie
- Führerschein erforderlich?
- Nein
- Auto erforderlich?
- Nein
- Motivationsschreiben erforderlich?
- Nein
Erhalte passende Stellenanzeigen als E-Mail
Bitte sage uns, wo du ähnliche Stellenanzeigen suchst und vergiss nicht deine E-Mail Adresse anzugeben!