ორგანიზაცია ეძებს წამყვან მეცნიერს მანქანურ სწავლებაში, რომელიც გაუძღვება T უჯრედების რეცეპტორებისა და პეპტიდ-მთავარი კომპლექსების სპეციფიურობის პროგნოზირებისთვის ღრმა სწავლის მოდელების შემუშავებას. მთავარი პასუხისმგებლობები მოიცავს: ახალი ღრმა სწავლის არქიტექტურების დიზაინს, დანერგვას და ვარჯიშს, ცილოვანი ენის მოდელების, სტრუქტურის პროგნოზირების, გენერაციული მოდელირებისა და წარმომადგენლობითი სწავლის მიღწევების ადაპტირებას იმუნური რეცეპტორების კონტექსტში. საჭიროა მკაცრი შეფასების სტრატეგიების შემუშავება და მოდელირებისა და მონაცემთა გენერირების სტრატეგიის განსაზღვრა, რათა მაქსიმალურად გაიზარდოს მოდელირების ეფექტიანობა. მოთხოვნები: დოქტორის ხარისხი რაოდენობრივ დისციპლინაში (მაგ. მანქანური სწავლება, გამოთვლითი ბიოლოგია, კომპიუტერული მეცნიერება) პლუს 12 წლიანი გამოცდილება მანქანურ სწავლებაში, ან ექვივალენტური კომბინაცია. აუცილებელია ღრმა სწავლის მეთოდების განვითარებისა და დანერგვის გამოცდილება, Python-ისა და თანამედროვე ML ინსტრუმენტების (სასურველია PyTorch) ცოდნა. სასურველია ცილოვანი სტრუქტურის პროგნოზირების, ცილოვანი დიზაინის, გენერაციული მოდელირების, ცილოვანი ენის მოდელებისა და დიდი ბიოლოგიური მონაცემთა ბაზების დამუშავების გამოცდილება. სამუშაო სტილი: თანამშრომლობა კომპიუტერულ მეცნიერებთან, იმუნოლოგებთან და მანქანური სწავლების ინჟინრებთან. შესაძლებლობა გქონდეთ გავლენა მოდელების განვითარებაზე და ტექნიკურ მიმართულებაზე. მოდელების შედეგები პირდაპირ ხელს შეუწყობს დიაგნოსტიკურ და თერაპიულ ინიციატივებს. სარგებელი: შემოთავაზებულია ანაზღაურების დიაპაზონი, ასევე წახალისების და აქციების შესაძლებლობა. ორგანიზაცია მოწოდებულია მრავალფეროვანი, თანასწორი და ინკლუზიური გუნდების შექმნისკენ.