[Mogam Biotechnology Research Institute] Small Molecule AI yangi dori ishlab chiqish tadqiqotchisi (PhD, yangi ishga kirgan·tajribali) ishga qabul qilinadi
(재)목암생명과학연구소 · 서울 서초구 강남대로41길 15-19
✨Lavozim tavsifi - Kichik molekulali AI dori ishlab chiqish bo‘yicha tadqiqotchi - Kichik molekulali dori ishlab chiqishda AI/ML modellarini ishlab chiqish va qo‘llash orqali tajriba bilan tasdiqlash mumkin bo‘lgan hit/lead nomzodlarini aniqlash - Ilmiy maqolada e’lon qilishga loyiq metodologiyalarni ishlab chiqish - Faollik, ADMET va toksiklikni bashorat qilish modellarini ishlab chiqish - Generativ modellar va tuzilma asosidagi molekulyar dizaynni ishlab chiqish, ko‘p maqsadli optimallashtirishni amalga oshirish - Virtual skrining, active learning va o‘quv ma’lumotlarini kuratsiya qilishni bajarish - Eng so‘nggi modellarni qayta tiklash va takomillashtirish, SCI jurnallari hamda AI konferensiyalarida maqola chop etish - Natijalarni talqin qilish va nomzodlarni kimyoviy biologiya tadqiqot jamoasi bilan ulashish ✅Talablar - Doktorlik darajasiga ega bo‘lgan yoki ishga kirishdan oldin olishi kutilayotgan - Kompyuter fanlari·AI, hisoblash kimyosi, kimyoinformatika, farmatsiya, kimyo yoki tegishli yo‘nalishlar bo‘yicha doktor - Doktorlik darajasini olgandan keyin 0~5 yil tajriba (doktorlikdan keyingi tajribani ham o‘z ichiga oladi) - AI dori ishlab chiqish sohasida doktor darajasidagi tadqiqot tajribasi - Tegishli sohada birinchi muallif sifatida kamida 1 ta asosiy maqola - Python va PyTorch yoki JAX bilan modellarni puxta ishlab chiqish qobiliyati - Maqolalar va ochiq kodli modellarni qayta tiklash va tekshirish qobiliyati - Dori kimyosi bo‘yicha asosiy bilimlar (SAR, ADMET) va RDKit’dan foydalanish ko‘nikmasi - Tadqiqot institutining ishga qabul qilish qoidalariga ko‘ra nomuvofiqlik holatlari bo‘lmasligi - Xorijga safar qilish va ishlashga to‘sqinlik qiladigan holatlar bo‘lmasligi 💖Afzalliklar - NeurIPS, ICML, ICLR bo‘yicha maqola tajribasi - Diffusion kabi generativ modellar, equivariant GNN, co-folding modellar tajribasi - Active learning, Bayesian optimization, katta hajmdagi virtual skrining tajribasi - Amaliy dori ishlab chiqish loyihalarida ishtirok etish tajribasi yoki ochiq kodli/hisobiy jamiyatga hissa qo‘shish - Docking, FEP, MD tajribasi - Preprint yoki ochiq e’lon qilingan model/kodga ega bo‘lish - Bashoratdagi noaniqlikni baholash tajribasi (calibration, applicability domain) - Ishga joylashishda himoyalangan toifaga mansub shaxslar (faxriylar, nogironligi bo‘lgan shaxslar va boshqalar) 🏠Ish joyi - Seul, Seocho-gu, Gangnam-daero 41-gil 15-19, M11 binosi, 3-qavat - Yangjae bekati yaqinida ⚡️Tanlov jarayoni - Hujjatlarni saralash → Shaxsiyat testi (onlayn) → 1-bosqich suhbat (taqdimotli suhbat) → 2-bosqich suhbat → Ish sharoitlari bo‘yicha kelishuv - 1-bosqich suhbatda asosiy tadqiqotingizni taxminan 20 daqiqa davomida taqdim etasiz, so‘ng savol-javob va texnik savollar bo‘ladi - Taqdim etilgan ochiq kod ham ko‘rib chiqiladi - Tajribali nomzodlar uchun tavsiyalar tekshiruvidan so‘ng ish sharoitlari bo‘yicha kelishuv qilinadi, ishga qabul qilish tibbiy ko‘rikdan so‘ng yakuniy tasdiqlanadi - Barcha natijalar o‘tgan yoki o‘tmaganidan qat’i nazar E-mail va SMS orqali bildiriladi 👉Ariza muddati/usuli - Ariza qabul qilish muddati: ishga qabul qilinguncha ochiq - Ariza berish usuli: ishga qabul qilish veb-sayti orqali 📋Boshqa ma’lumotlar - Bu doimiy ish o‘rni bo‘lib, ishga kirgandan keyin 2 oylik sinov muddati mavjud - Haftasiga 5 kun ofisda ishlash, 08:30~17:30 asosidagi moslashuvchan ish tartibi - Mokam Life Science Research Institute va uning filiallaridagi boshqa ish e’lonlariga bir vaqtda ariza berish mumkin emas - Lavozim darajasi va ish haqi tajriba hamda natijalarga ko‘ra kelishiladi - Cloud·GPU resurslari taqdim etiladi - Maqola va konferensiya taqdimotlari rag‘batlantiriladi - Ishga qabul qilish hujjatlari qaytarib olishni talab qilish mumkin va saqlash muddati tugagach yo‘q qilinadi
Ish shartlari
- Ish davri
- Uzoq muddatli
- Ish vaqti
- 08:30 ~ 17:30
Ishga olish shartlari
- Ariza topshirish muddati
- Ishga qabul qilinganda yopiladi
- Ish turi
- Doimiy ish
- Maosh
- suhbatdan keyin qaror qilinadi
Nomzod talablari
- Tajriba ega
- Tajriba talab qilinmaydi
- Ta’lim
- Magistr yoki undan yuqori
- Imtiyozli shartlar
- NeurIPS, ICML, ICLR maqolalari bo‘yicha tajriba Diffusion kabi generativ modellar, equivariant GNN va co-folding modellar bo‘yicha tajriba Active learning, Bayesian optimization, katta miqyosli virtual screening bo‘yicha tajriba Amaliy dori ishlab chiqish loyihalarida ishtirok etish yoki ochiq manba / ilmiy anjumanlarga hissa qo‘shish tajribasi Docking, FEP, MD bo‘yicha tajriba Preprint yoki ommaga e’lon qilingan model/kodga ega Bashorat noaniqligini baholash tajribasi (calibration, applicability domain) Ish bilan ta’minlashdan himoyalangan toifa (veteranlar, nogironligi bo‘lgan shaxslar va boshqalar)
- Imtiyoz va Ijtimoiy Paket
- Bulut·GPU resurslarini qo‘llab-quvvatlash Maqola·konferensiya taqdimotlarini rag‘batlantirish