Technical Lead - Structural Biology Networks

Responsabilités

• Diriger la livraison de bout en bout des systèmes de modèles de co-pliage et de biologie structurale fédérés, en restant profondément impliqué dans la modélisation, l'architecture, l'évaluation et l'exécution de l'ingénierie.
• Concevoir, affiner et étendre des modèles fondamentaux à grande échelle pour la biologie structurale, y compris des systèmes tels que OpenFold, Boltz-2 et ESMFold, en garantissant des résultats robustes et prêts pour la production.
• Traduire des objectifs scientifiques et techniques de haut niveau en plans d'exécution clairs, en flux de travail et en jalons de livraison.
• Définir et appliquer des critères d'évaluation des modèles, en garantissant des résultats validés et de haute qualité adaptés aux applications de découverte de médicaments dans le monde réel.
• Assumer la responsabilité des délais de livraison et garantir que les versions des modèles sont expédiées de manière fiable, en gérant de manière proactive les risques, les dépendances et les compromis techniques.
• Aligner les consortiums et les parties prenantes internes sur les objectifs, les exigences en matière de données, les cadres d'évaluation et les attentes en matière de livraison.
• Collaborer étroitement avec les équipes produit, recherche, ingénierie et direction pour garantir que le développement du modèle s'aligne sur les besoins de la plateforme et des clients.
• Encadrer les ingénieurs et scientifiques en ML tout en contribuant directement à la conception technique, à l'expérimentation et à l'architecture du système.
• Identifier et résoudre en permanence les blocages, les bogues et les risques avec des recommandations claires et exploitables.

Exigences

• Doctorat, Master ou expérience équivalente en apprentissage automatique, biologie computationnelle, informatique ou dans un domaine connexe, avec plus de 5 ans d'expérience appliquée en ML dans des domaines scientifiques ou biologiques complexes.
• Solide expertise pratique en ML de biologie structurale, y compris la modélisation des protéines, le co-pliage ou la prédiction de liaison.
• Expérience avérée de travail avec des frameworks ML modernes tels que Python et PyTorch, et d'extension de modèles à grande échelle comme OpenFold, AlphaFold, Boltz ou ESM.
• Expérience avec MLOps ou l'infrastructure ML, y compris l'entraînement, l'évaluation ou les pipelines de déploiement basés sur Kubernetes.
• Capacité démontrée à diriger des projets de livraison ML complexes, à définir une orientation technique et à guider les équipes vers des versions de qualité production.
• Solides capacités de joueur-entraîneur, avec une expérience dans le mentorat d'équipes techniques tout en restant pratique dans la modélisation et l'expérimentation.
• Capacité à traduire des problèmes scientifiques ambigus en plans techniques structurés et en feuilles de route d'exécution.
• Solides compétences en collaboration avec les parties prenantes de la recherche, du produit, de l'ingénierie et de la science.
• Bonus : expérience en apprentissage fédéré, entraînement distribué ou environnements ML préservant la confidentialité.
• Bonus : expérience dans des environnements réglementés ou de haute confiance (pharmaceutique, biotechnologie, systèmes ML d'entreprise).
• Bonus : dossier de publications dans des conférences de premier plan en ML ou en biologie computationnelle (NeurIPS, ICML, ICLR, ISMB, RECOMB, etc.).

Avantages

• Rémunération compétitive de l'industrie, y compris des options d'équité virtuelle en phase de démarrage.
• Modèle de travail à distance d'abord avec la flexibilité de travailler de n'importe où.
• Budget bien-être, soutien en santé mentale, allocation pour bureau à domicile, subvention de coworking et budget d'apprentissage.
• Allocation généreuse de vacances annuelles.
• Rassemblements d'équipe réguliers sur site à Berlin ou dans d'autres lieux européens (environ trois fois par an).
• Opportunité de travailler sur des systèmes d'IA de pointe appliqués directement à la découverte de médicaments pharmaceutiques.
• Équipe de haut calibre axée sur l'exécution, avec une expérience acquise dans des organisations mondiales de premier plan.

Comment fonctionne Jobgether

Nous utilisons un processus de mise en correspondance alimenté par l'IA pour garantir que votre candidature est examinée rapidement, objectivement et équitablement par rapport aux exigences principales du poste. Notre système identifie les candidats les mieux adaptés, et cette liste restreinte est partagée directement avec l'entreprise qui recrute. La décision finale et les prochaines étapes (entretiens, évaluations) sont gérées par leur équipe interne.

Nous apprécions votre intérêt et vous souhaitons le meilleur !

Pourquoi postuler via Jobgether ?

Avis de confidentialité des données : En soumettant votre candidature, vous reconnaissez que Jobgether traitera vos données personnelles pour évaluer votre candidature et partager les informations pertinentes avec l'employeur recruteur. Ce traitement est basé sur un intérêt légitime et des mesures précontractuelles en vertu des lois applicables sur la protection des données (y compris le RGPD). Vous pouvez exercer vos droits (accès, rectification, effacement, opposition) à tout moment.

Nous pouvons utiliser des outils d'intelligence artificielle (IA) pour soutenir certaines parties du processus d'embauche, telles que l'examen des candidatures, l'analyse des CV ou l'évaluation des réponses. Ces outils aident notre équipe de recrutement mais ne remplacent pas le jugement humain. Les décisions d'embauche finales sont finalement prises par des humains. Si vous souhaitez plus d'informations sur la manière dont vos données sont traitées, veuillez nous contacter.