Специалист по AI и машинному обучению (для химии, молекул и материалов)

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 PyTorch или TensorFlow
• GNN для молекул: message passing, представление молекулярного графа
• базовое понимание VAE, трансформеров, генерации молекул
• работа с базами PubChem, ChEMBL, ZINC, DrugBank, Materials Project
• подготовка химических датасетов: очистка структур, дедупликация, salts removal, стандартизация
• метрики и контроль качества: ROC-AUC, PR-AUC, RMSE, MAE, calibration, applicability domain, scaffold split

Будет плюсом

• генеративный AI для молекул: molecular VAE, diffusion models, SELFIES, RL
• active learning и байесовская оптимизация для поиска веществ
• molecular docking как проверка кандидатов
• materials informatics: pymatgen, matminer, ASE
• MLOps для научных моделей: MLflow, DVC, Weights & Biases

Инструменты

RDKit, DeepChem, PyTorch Geometric, DGL, scikit-learn, pandas, NumPy, PubChem API, ChEMBL API, ZINC, SELFIES, Jupyter, Git, Docker.

Что особенно ценим

Особенно ценим практический опыт: проекты по QSAR/QSPR, ADMET, предсказанию токсичности и свойств молекул, построение пайплайна от химической базы до обученной модели, публикации или GitHub по cheminformatics, индустриальный опыт в pharma, biotech и materials R&D.

Менеджер Елена Левина