한국에서 꿈을 이루세요.

지금 바로 비잡과 함께 시작하세요.

[Mogam Biotechnology Research Institute] Small Molecule AI шинэ эмийн хөгжүүлэлтийн судлаач (PhD, шинэ төгсөгч·ажлын туршлагатай) ажилд авна

(재)목암생명과학연구소 · 서울 서초구 강남대로41길 15-19

✨Ажлын байрны тодорхойлолт - Жижиг молекулын AI эмийн судалгааны ажилтан - Жижиг молекулын эмийн хөгжүүлэлтэд AI/ML загваруудыг боловсруулж, ашиглан туршилтаар баталгаажуулах боломжтой hit/lead нэр дэвшигчдийг гарган авах - Эрдэм шинжилгээний өгүүлэл болгон нийтлэх түвшний аргачлал хөгжүүлэх - Идэвхжил, ADMET, хоруу чанарын таамаглалын загвар хөгжүүлэх - Үүсгэгч загвар болон бүтэц суурьтай молекулын дизайн, олон зорилтот оновчлол хийх - Виртуал скрининг, active learning, сургалтын өгөгдлийн цэвэрлэгээ/бүрдүүлэлт хийх - Хамгийн сүүлийн үеийн загваруудыг дахин хэрэгжүүлж, сайжруулах болон SCI сэтгүүл, AI хуралд өгүүлэл нийтлэх - Үр дүнг тайлбарлаж, нэр дэвшигчийг химийн биологийн судалгааны багтай хуваалцах ✅Шаардлага - Докторын зэрэгтэй эсвэл ажилд орохоос өмнө авах төлөвтэй - Компьютерын шинжлэх ухаан·AI, тооцооллын хими, химоинформатик, эм зүй, хими эсвэл холбогдох салбарын доктор - Докторын зэрэг авснаас хойш 0~5 жилийн туршлага (докторант дараах туршлагыг оролцуулна) - AI эмийн хөгжүүлэлтийн салбарт докторын түвшний судалгааны туршлагатай - Холбогдох салбарт тэргүүлэх зохиогчоор нийтлэгдсэн дор хаяж 1 төлөөлөх өгүүлэлтэй - Python болон PyTorch эсвэл JAX ашиглан загваруудыг чадварлаг хөгжүүлэх чадвартай - Өгүүлэл, нээлттэй эхийн загваруудыг дахин хэрэгжүүлж, шалгах чадвартай - Эмийн химийн суурь мэдлэг (SAR, ADMET) болон RDKit ашиглах чадвартай - Судалгааны хүрээлэнгийн хөдөлмөрийн дотоод журамд заасан тэнцэхгүй нөхцөлгүй байх - Гадаад аялал болон гадаадад ажиллахад саад болох нөхцөлгүй байх 💖Давуу тал - NeurIPS, ICML, ICLR-д өгүүлэлтэй туршлага - Diffusion зэрэг үүсгэгч загвар, equivariant GNN, co-folding загварын туршлага - Active learning, Bayesian optimization, томоохон хэмжээний виртуал скринингийн туршлага - Бодит эмийн хөгжүүлэлтийн төсөлд оролцсон туршлага эсвэл нээлттэй эх/хурлын хувь нэмэр - Docking, FEP, MD-ийн туршлага - Preprint эсвэл нийтэлсэн загвар·кодтой - Таамаглалын тодорхойгүй байдлын үнэлгээний туршлага(calibration, applicability domain) - Ажил эрхлэлтийн хамгаалалтын бүлэгт хамаарах хүн (ахмад дайчид, хөгжлийн бэрхшээлтэй иргэд гэх мэт) 🏠Ажлын байр - Сөүл, Seocho-gu, Gangnam-daero 41-gil 15-19, M11 барилгын 3 давхар - Yangjae буудлын ойролцоо ⚡️Сонгон шалгаруулалтын явц - Материалын шалгаруулалт → Хувийн зан чанарын тест (онлайн) → 1-р шатны ярилцлага (танилцуулгын ярилцлага) → 2-р шатны ярилцлага → Цалин хөлсний тохиролцоо - 1-р шатны ярилцлагад гол судалгаагаа ойролцоогоор 20 минут танилцуулж, дараа нь асуулт-хариулт болон техникийн асуулт авна - Ирүүлсэн олон нийтэд нээлттэй кодыг мөн хамт шалгана - Туршлагатай ажил горилогчийн хувьд лавлагаа шалгасны дараа цалин хөлсийг тохиролцож, ажилд авах үзлэгийн дараа эцсийн баталгаа өгнө - Бүх үр дүнг тэнцсэн эсэхээс үл хамааран E-mail болон SMS-ээр мэдэгдэнэ 👉Бүртгэлийн хугацаа/арга - Өргөдөл хүлээн авах хугацаа: ажилтан бүрдтэл хаагдана - Өргөдөл гаргах арга: ажилд авах вэбсайтаар дамжуулан өргөдөл гаргана 📋Бусад - Байнгын орон тоо бөгөөд ажилд орсноос хойш 2 сарын туршилтын хугацаатай - Долоо хоногт 5 өдөр оффист ажиллах, 08:30~17:30 цагийн хүрээнд уян хатан цагийн системтэй - Мокам Амьдралын Шинжлэх Ухааны Судалгааны Хүрээлэн болон түүний харьяа байгууллагын бусад зарлагдсан ажлын байранд зэрэг өргөдөл гаргах боломжгүй - Албан тушаалын зэрэглэл болон цалин хөлсийг туршлага, амжилтаас хамааран тохиролцоно - Cloud·GPU нөөцөөр дэмжинэ - Өгүүлэл·хуралд илтгэл тавихыг дэмжинэ - Ажилд авах баримт бичгийг буцаан авах хүсэлт гаргах боломжтой бөгөөд хадгалалтын хугацаа дууссаны дараа устгана

Ажлын нөхцөл

Ажиллах хугацаа
Урт хугацааны
Ажиллах цаг
08:30 ~ 17:30

Ажилд авах нөхцөл

Өргөдөл хүлээн авах эцсийн өдөр
Ажилд авмагц хаагдана
Ажлын хэлбэр
Бүтэн цагийн ажил
Цалин
Ярилцлагын дараа шийдвэр гаргана

Шаардлага

Ажлын туршлага
Туршлага шаардлагагүй
Боловсрол
Магистр ба түүнээс дээш
Давуу нөхцөл
NeurIPS, ICML, ICLR-ийн өгүүлэлтэй ажилласан туршлага Diffusion зэрэг үүсгэгч загварууд, equivariant GNN, co-folding загваруудын туршлага Active learning, Bayesian optimization, том хэмжээний virtual screening-ийн туршлага Бодит эмийн хөгжүүлэлтийн төслүүдэд оролцсон эсвэл open-source, хуралд хувь нэмэр оруулсан туршлага Docking, FEP, MD-ийн туршлага Preprint эсвэл нийтэлсэн модель, кодтой Төлөөлөхгүй байдал/таамаглалын тодорхойгүй байдлын үнэлгээний туршлага (calibration, applicability domain) Ажил эрхлэлтийн хамгаалалттай ангилалд хамаарах (дайны ахмад, хөгжлийн бэрхшээлтэй иргэн гэх мэт)
Халамж & Ашиг тус
Үүлэн·GPU нөөцийн дэмжлэг Эрдэм шинжилгээний өгүүлэл·хурал дээрх илтгэлийг дэмжих