한국에서 꿈을 이루세요.

지금 바로 비잡과 함께 시작하세요.

[Mogam Biotechnology Research Institute] ជ្រើសរើសអ្នកស្រាវជ្រាវអភិវឌ្ឍឱសថថ្មី AI Small Molecule (បណ្ឌិត, បញ្ចប់ថ្មី·មានបទពិសោធន៍)

(재)목암생명과학연구소 · 서울 서초구 강남대로41길 15-19

✨បរិយាយការងារ - អ្នកស្រាវជ្រាវអភិវឌ្ឍន៍ថ្នាំថ្មី AI សម្រាប់ Small Molecule - បង្កើត និងអនុវត្តម៉ូដែល AI/ML សម្រាប់ការអភិវឌ្ឍន៍ថ្នាំម៉ូលេគុលតូច ដើម្បីរកឃើញ hit/lead candidates ដែលអាចផ្ទៀងផ្ទាត់ដោយការពិសោធន៍ - អភិវឌ្ឍវិធីសាស្ត្រដែលមានកម្រិតអាចបោះពុម្ពផ្សាយជាអត្ថបទស្រាវជ្រាវបាន - អភិវឌ្ឍម៉ូដែលព្យាករណ៍សកម្មភាព, ADMET និងពុលកម្ម - អភិវឌ្ឍម៉ូដែលបង្កើត និងការរចនាម៉ូលេគុលដោយផ្អែកលើរចនាសម្ព័ន្ធ, ព្រមទាំងអនុវត្តការបង្កើនប្រសិទ្ធភាពច្រើនគោលដៅ - អនុវត្ត virtual screening, active learning និងការគ្រប់គ្រងទិន្នន័យសម្រាប់ការបណ្តុះបណ្តាល - បង្កើតឡើងវិញ និងកែលម្អម៉ូដែលទំនើបបំផុត ព្រមទាំងបោះពុម្ពផ្សាយអត្ថបទនៅ SCI journal និងសន្និសីទ AI - បកស្រាយលទ្ធផល និងចែករំលែក candidate ជាមួយក្រុមស្រាវជ្រាវ chemical biology ✅លក្ខណៈសម្បត្តិអ្នកដាក់ពាក្យ - អ្នកមានបណ្ឌិត ឬគ្រោងនឹងទទួលបានមុនថ្ងៃចូលបម្រើការងារ - បណ្ឌិតផ្នែក computer science·AI, computational chemistry, chemoinformatics, pharmacy, chemistry ឬវិស័យពាក់ព័ន្ធ - បទពិសោធន៍ 0~5 ឆ្នាំបន្ទាប់ពីទទួលបានបណ្ឌិត (រួមទាំងបទពិសោធន៍ postdoctoral researcher) - បទពិសោធន៍ស្រាវជ្រាវកម្រិតបណ្ឌិតក្នុងវិស័យ AI drug discovery - មានអត្ថបទសំខាន់ចំនួនយ៉ាងតិច 1 ជាអ្នកនិពន្ធដំបូងក្នុងវិស័យពាក់ព័ន្ធ - មានសមត្ថភាពអភិវឌ្ឍ model ដោយជំនាញជាមួយ Python និង PyTorch ឬ JAX - មានសមត្ថភាពបង្កើតឡើងវិញ និងផ្ទៀងផ្ទាត់អត្ថបទស្រាវជ្រាវ និង open-source model - មានចំណេះដឹងមូលដ្ឋានអំពី medicinal chemistry (SAR, ADMET) និងអាចប្រើ RDKit បាន - មិនមានមូលហេតុមិនអាចជ្រើសរើសបានតាមបទបញ្ជាជ្រើសរើសបុគ្គលិករបស់ស្ថាប័នស្រាវជ្រាវ - មិនមានមូលហេតុរារាំងការធ្វើដំណើរ និងការបម្រើការងារនៅបរទេស 💖អាទិភាព - បទពិសោធន៍អត្ថបទនៅ NeurIPS, ICML, ICLR - បទពិសោធន៍លើម៉ូដែលបង្កើតដូចជា Diffusion, equivariant GNN, ម៉ូដែល co-folding - បទពិសោធន៍ active learning, Bayesian optimization, virtual screening ខ្នាតធំ - បទពិសោធន៍ចូលរួមគម្រោងអភិវឌ្ឍន៍ថ្នាំជាក់ស្តែង ឬការចូលរួម open-source·សន្និសីទ - បទពិសោធន៍ Docking, FEP, MD - មាន preprint ឬ model·code ដែលបានបោះពុម្ពផ្សាយ - បទពិសោធន៍វាយតម្លៃភាពមិនប្រាកដនៃការព្យាករណ៍ (calibration, applicability domain) - អ្នកទទួលការការពារការងារ (អតីតយុទ្ធជន, ជនមានពិការភាព ជាដើម) 🏠ទីតាំងធ្វើការ - ជាន់ទី 3 អគារ M11, 15-19 Gangnam-daero 41-gil, Seocho-gu, Seoul - ជិតស្ថានីយ Yangjae ⚡️ដំណើរការជ្រើសរើស - ឯកសារ → ការធ្វើតេស្តបុគ្គលិកលក្ខណៈ (អនឡាញ) → សម្ភាសន៍ជុំទី 1 (សម្ភាសន៍បង្ហាញ) → សម្ភាសន៍ជុំទី 2 → ពិភាក្សាលក្ខខណ្ឌការងារ - សម្ភាសន៍ជុំទី 1 នឹងមានការបង្ហាញស្រាវជ្រាវសំខាន់ប្រហែល 20 នាទី បន្ទាប់មកមានសំណួរ-ចម្លើយ និងសំណួរបច្ចេកទេស - កូដសាធារណៈដែលបានដាក់ស្នើក៏នឹងត្រូវពិនិត្យផងដែរ - សម្រាប់អ្នកមានបទពិសោធន៍ នឹងពិភាក្សាលក្ខខណ្ឌការងារបន្ទាប់ពីផ្ទៀងផ្ទាត់ការណែនាំ និងការត្រួតពិនិត្យសុខភាពមុនចូលបម្រើការងារ - លទ្ធផលទាំងអស់នឹងត្រូវជូនដំណឹងតាម E-mail និង SMS មិនថាជាប់ឬមិនជាប់ក៏ដោយ 👉រយៈពេល/វិធីសាស្ត្រដាក់ពាក្យ - រយៈពេលទទួលពាក្យ: បិទនៅពេលជ្រើសរើសបានគ្រប់ - វិធីដាក់ពាក្យ: ដាក់ពាក្យតាមរយៈគេហទំព័រជ្រើសរើសបុគ្គលិក 📋ផ្សេងៗ - ជាបុគ្គលិកពេញម៉ោង ហើយមានរយៈពេលសាកល្បង 2 ខែបន្ទាប់ពីចូលបម្រើការងារ - ធ្វើការនៅការិយាល័យ 5 ថ្ងៃក្នុងមួយសប្តាហ៍ ដោយមានម៉ោងធ្វើការបត់បែនផ្អែកលើ 08:30~17:30 - មិនអាចដាក់ពាក្យព្រមគ្នាជាមួយការប្រកាសជ្រើសរើសផ្សេងទៀតរបស់ Mokam Life Science Institute និងក្រុមហ៊ុនក្នុងបណ្ដាញបាន - ថ្នាក់តំណែង និងលក្ខខណ្ឌនឹងពិភាក្សាតាមបទពិសោធន៍ និងសមិទ្ធផល - គាំទ្រធនធាន cloud·GPU - លើកទឹកចិត្តការបង្ហាញអត្ថបទ·សន្និសីទ - ឯកសារជ្រើសរើសបុគ្គលិកអាចស្នើសុំឲ្យប្រគល់វិញបាន ហើយនឹងត្រូវបំផ្លាញបន្ទាប់ពីផុតកំណត់ការរក្សាទុក

លក្ខខណ្ឌការងារ

រយៈពេលធ្វើការ
រយៈពេលវែង
ម៉ោងធ្វើការ
08:30 ~ 17:30

លក្ខខណ្ឌជ្រើសរើស

កាលបរិច្ឆេទផុតកំណត់
បិទនៅពេលជ្រើសរើសបាន
ប្រភេទការងារ
ការងារពេញម៉ោង
ប្រាក់ខែ
សម្រេចក្រោយសម្ភាសន៍

លក្ខខណ្ឌឆ្លើយតប

មានបទពិសោធន៍
មិនកំណត់បទពិសោធន៍
កម្រិតអប់រំ
អនុបណ្ឌិត ឬខ្ពស់ជាងនេះ
លក្ខខណ្ឌអាទិភាព
បទពិសោធន៍ជាមួយអត្ថបទ NeurIPS, ICML, ICLR បទពិសោធន៍ជាមួយម៉ូដែលបង្កើតដូចជា diffusion, equivariant GNN និងម៉ូដែល co-folding បទពិសោធន៍ក្នុង active learning, Bayesian optimization និង virtual screening ខ្នាតធំ បទពិសោធន៍ចូលរួមក្នុងគម្រោងអភិវឌ្ឍន៍ឱសថពិតប្រាកដ ឬការរួមចំណែកក្នុង open source / សន្និសីទវិទ្យាសាស្ត្រ បទពិសោធន៍ក្នុង docking, FEP, MD មាន preprint ឬម៉ូដែល/កូដដែលបានបោះផ្សាយជាសាធារណៈ បទពិសោធន៍វាយតម្លៃភាពមិនប្រាកដប្រជានៃការព្យាករណ៍ (calibration, applicability domain) ក្រុមដែលមានការការពារការងារ (អតីតយុទ្ធជន, ជនពិការ, ជាដើម)
អត្ថប្រយោជន៍ និងសុខុមាលភាព
ការគាំទ្រធនធាន Cloud·GPU លើកទឹកចិត្តការបង្ហាញឯកសារស្រាវជ្រាវ·ក្នុងសន្និសីទ