崗位職責(zé):
1、生物數(shù)據(jù)智能解析:運(yùn)用先進(jìn)的 AI 技術(shù)與生物信息學(xué)方法,對(duì)大規(guī)模生物數(shù)據(jù)(如核酸序列、蛋白質(zhì)序列等)進(jìn)行精準(zhǔn)分析、解讀,挖掘潛在關(guān)鍵信息,為mRNA和抗原設(shè)計(jì)提供數(shù)據(jù)支持。
2、AI 模型構(gòu)建與優(yōu)化:主要工作方向?yàn)閷?duì)平臺(tái)數(shù)據(jù)進(jìn)行梳理,建立和完善mRNA技術(shù)AI平臺(tái)。主導(dǎo)開(kāi)發(fā)針對(duì)生物數(shù)據(jù)處理的人工智能模型,包括但不限于神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)、機(jī)器學(xué)習(xí)算法應(yīng)用,并依據(jù)實(shí)際數(shù)據(jù)反饋持續(xù)優(yōu)化模型性能,提高預(yù)測(cè)準(zhǔn)確性與分析效率。
3、前沿技術(shù)追蹤應(yīng)用:密切關(guān)注生物信息學(xué)與人工智能領(lǐng)域的前沿動(dòng)態(tài),及時(shí)評(píng)估新技術(shù)(如新型深度學(xué)習(xí)算法、生物大數(shù)據(jù)存儲(chǔ)與處理技術(shù)等)的適用性,快速將其轉(zhuǎn)化應(yīng)用到實(shí)際工作中,保持公司在該領(lǐng)域的技術(shù)先進(jìn)性。
4、研究成果轉(zhuǎn)化與報(bào)告:負(fù)責(zé)將研究成果整理成專(zhuān)業(yè)報(bào)告、學(xué)術(shù)論文或?qū)@暾?qǐng),向內(nèi)部團(tuán)隊(duì)及外部科研機(jī)構(gòu)展示研究?jī)r(jià)值與創(chuàng)新點(diǎn),促進(jìn)知識(shí)共享與成果轉(zhuǎn)化,提升公司在行業(yè)內(nèi)的科研影響力。
任職要求:
1、學(xué)歷背景:生物信息學(xué)、計(jì)算機(jī)科學(xué)等相關(guān)專(zhuān)業(yè)碩士及以上學(xué)歷,具備深厚的專(zhuān)業(yè)理論基礎(chǔ)與系統(tǒng)的科研訓(xùn)練經(jīng)歷。
2、技能專(zhuān)長(zhǎng):精通 Python、R 等至少一種主流編程語(yǔ)言,熟練掌握 TensorFlow、PyTorch 等深度學(xué)習(xí)框架;熟悉生物信息學(xué)常用數(shù)據(jù)庫(kù)與分析工具(如 NCBI、BLAST、ClustalW 等),能夠獨(dú)立開(kāi)展復(fù)雜生物數(shù)據(jù)的分析處理工作。
3、知識(shí)儲(chǔ)備:深入理解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘等人工智能核心技術(shù)原理,同時(shí)掌握分子生物學(xué)、遺傳學(xué)、生物化學(xué)等生物學(xué)基礎(chǔ)知識(shí),能夠?qū)⒍哂袡C(jī)結(jié)合應(yīng)用于實(shí)際研究。
4、能力素養(yǎng):具備問(wèn)題解決能力與創(chuàng)新思維,能夠在復(fù)雜的跨學(xué)科環(huán)境中迅速定位問(wèn)題、提出解決方案;擁有良好的團(tuán)隊(duì)協(xié)作精神與溝通表達(dá)能力,能夠與不同專(zhuān)業(yè)背景的人員高效合作,共同達(dá)成項(xiàng)目目標(biāo)。