Работа: в Москве , 8 вакансий

Кого ищем

Мы ищем преподавателя на стыке хемоинформатики, машинного обучения и materials informatics. Это человек, который умеет представить молекулу в машинно-читаемом виде, построить модель свойств вещества или материала и понятно объяснить, как ИИ помогает искать новые лекарства, катализаторы, полимеры и функциональные материалы.

Обязательно

• RDKit, SMILES, SMARTS, InChI, molecular fingerprints (ECFP/Morgan)
• QSAR/QSPR, задачи классификации и регрессии для химических свойств
• scikit-learn и

...

Кого ищем

Ищем биоинформатика или ML-исследователя, который умеет применять машинное и глубокое обучение к биологическим данным: последовательностям, белкам, экспрессии генов, клеточным и медицинским датасетам.

Обязательно

• Python, pandas, NumPy, scikit-learn
• PyTorch или TensorFlow/Keras
• основы биоинформатических форматов: FASTA, FASTQ, BAM/SAM, VCF, GTF/GFF
• работа с биологическими последовательностями, embeddings, feature engineering
• ML-задачи: классификация, регрессия, кластеризация, снижение размерности
• deep learning для последовательностей: CNN/RNN/Transformers хотя бы

...

Кого ищем

Ищем практикующего биоинформатика по NGS и omics, который умеет строить воспроизводимые пайплайны анализа секвенирования: от сырого FASTQ до биологической интерпретации результата.

Обязательно

• FASTQ QC: FastQC, MultiQC
• trimming и фильтрация: Trimmomatic, fastp, Cutadapt
• выравнивание: BWA, Bowtie2, STAR, HISAT2
• форматы BAM/SAM, VCF, BED, GTF/GFF
• variant calling: GATK, bcftools, samtools
• RNA-Seq: count matrices, DESeq2/edgeR, дифференциальная экспрессия
• scRNA-Seq: Seurat или scanpy, кластеризация,

...

Кого ищем

Ищем специалиста по химическим измерениям, спектральным данным и цифровизации лаборатории. Нам важно, чтобы вы понимали, как устроены реальные экспериментальные данные, и умели превращать сырой сигнал в пригодный для анализа и ML датасет.

Обязательно

• работа со спектрами: IR, Raman, UV-Vis, NMR, MS, XRD или близкие методы
• baseline correction, smoothing, peak detection, нормализация, denoising
• PCA, PLS, PLS-DA, кластеризация, регрессия и

...

Кого ищем

Ищем специалиста по химическим измерениям, спектральным данным и цифровизации лаборатории. Нам важно, чтобы вы понимали, как устроены реальные экспериментальные данные, и умели превращать сырой сигнал в пригодный для анализа и ML датасет.

Обязательно

• работа со спектрами: IR, Raman, UV-Vis, NMR, MS, XRD или близкие методы
• baseline correction, smoothing, peak detection, нормализация, denoising
• PCA, PLS, PLS-DA, кластеризация, регрессия и

...

Кого ищем

Ищем практикующего биоинформатика по NGS и omics, который умеет строить воспроизводимые пайплайны анализа секвенирования: от сырого FASTQ до биологической интерпретации результата.

Обязательно

• FASTQ QC: FastQC, MultiQC
• trimming и фильтрация: Trimmomatic, fastp, Cutadapt
• выравнивание: BWA, Bowtie2, STAR, HISAT2
• форматы BAM/SAM, VCF, BED, GTF/GFF
• variant calling: GATK, bcftools, samtools
• RNA-Seq: count matrices, DESeq2/edgeR, дифференциальная экспрессия
• scRNA-Seq: Seurat или scanpy, кластеризация,

...

Кого ищем

Ищем биоинформатика или ML-исследователя, который умеет применять машинное и глубокое обучение к биологическим данным: последовательностям, белкам, экспрессии генов, клеточным и медицинским датасетам.

Обязательно

• Python, pandas, NumPy, scikit-learn
• PyTorch или TensorFlow/Keras
• основы биоинформатических форматов: FASTA, FASTQ, BAM/SAM, VCF, GTF/GFF
• работа с биологическими последовательностями, embeddings, feature engineering
• ML-задачи: классификация, регрессия, кластеризация, снижение размерности
• deep learning для последовательностей: CNN/RNN/Transformers хотя бы

...

Кого ищем

Мы ищем преподавателя на стыке хемоинформатики, машинного обучения и materials informatics. Это человек, который умеет представить молекулу в машинно-читаемом виде, построить модель свойств вещества или материала и понятно объяснить, как ИИ помогает искать новые лекарства, катализаторы, полимеры и функциональные материалы.

Обязательно

• RDKit, SMILES, SMARTS, InChI, molecular fingerprints (ECFP/Morgan)
• QSAR/QSPR, задачи классификации и регрессии для химических свойств
• scikit-learn и

...