¿Está listo para transformar la transcriptómica a gran escala en modelos que moldeen el futuro de la terapia celular y los resultados de los pacientes? ¿Desea colaborar con científicos de clase mundial para desarrollar soluciones de IA que pasen desde la investigación exploratoria hasta la producción a escala? Este puesto lo sitúa en el corazón de la traducción de datos ómicos en conocimientos relevantes para los pacientes y los programas. Formará parte de un equipo dinámico que combina datos, IA y ciencia de vanguardia para impulsar terapias frente a enfermedades complejas. Su trabajo impulsará modelos predictivos para el riesgo clínico, la segmentación de pacientes y el cribado de alto rendimiento, al tiempo que contribuirá a la evolución de las plataformas y entornos que sustentan nuestra investigación. Verá cómo sus ideas avanzan desde el cuaderno de análisis hasta la producción, informando directamente las decisiones y desbloqueando la próxima ola de avances.**Responsabilidades:** * Aprendizaje automático con impacto en terapia celular: Diseñar, implementar y mantener modelos de aprendizaje automático para transcriptómica clínica a gran escala en el ámbito de la terapia celular, centrándose en el impacto real y la fiabilidad operativa. * Modelado del riesgo clínico y la segmentación: Construir modelos para predecir eventos clínicos y segmentar poblaciones de pacientes, permitiendo un mejor diseño de ensayos clínicos, una priorización más eficaz y estrategias terapéuticas optimizadas. * Analítica de cribado de alto rendimiento: Crear modelos y canalizaciones escalables que aceleren el cribado y la clasificación de compuestos, incrementando la velocidad del descubrimiento y la calidad de las decisiones. * Innovación metodológica: Aplicar un amplio conjunto de métodos de ciencia de datos y desarrollar nuevos enfoques cuando las técnicas disponibles no sean adecuadas, garantizando resultados sólidos y explicables. * MLOps centrado en la producción: Promover desde el primer día una mentalidad orientada a la producción; establecer la infraestructura, CI/CD, observabilidad y canalizaciones de datos necesarias para escalar desde el análisis exploratorio hasta los servicios productivos. * Evolución de la plataforma: Contribuir a mejoras continuas en los entornos, plataformas y herramientas de aprendizaje automático para aumentar la productividad de los desarrolladores, la reproducibilidad y el rendimiento de los modelos. * Colaboración con partes interesadas: Establecer relaciones de confianza con equipos científicos, clínicos y de producto; comunicar con claridad los hallazgos, las incertidumbres y las limitaciones para definir las soluciones adecuadas. * Colaboración segura por diseño: Trabajar estrechamente con Ciberseguridad y Privacidad de Datos para mantener un entorno informático seguro y conforme que preserve la productividad del usuario final. * Excelencia en la entrega: Garantizar estándares de calidad del código, documentación y reproducibilidad; impulsar una validación rigurosa y un monitoreo continuo para mantener el valor de los modelos con el tiempo. **Competencias y experiencia esenciales:** * Colaborar con científicos de toda la empresa para comprender sus retos y trabajar conjuntamente en la construcción de la plataforma que sustenta su investigación. * Asumir la responsabilidad de diseñar e implementar modelos de aprendizaje automático para el análisis a gran escala de datos de transcriptómica clínica en el ámbito de la terapia celular. * Diseñar y construir modelos de aprendizaje automático para datos de transcriptómica destinados a predecir el riesgo de eventos clínicos, la segmentación de pacientes o el cribado de compuestos de alto rendimiento. * Aplicar una variedad de metodologías de ciencia de datos y desarrollar soluciones novedosas de ciencia de datos cuando las metodologías comerciales no sean adecuadas. * Construir y gestionar relaciones efectivas con las partes interesadas para garantizar la utilización y el valor de los recursos y servicios de información. Comunicar con claridad y objetividad los resultados, así como sus incertidumbres y limitaciones asociadas, para definir soluciones adecuadas. * Promover una «actitud orientada a la producción desde el inicio» para asegurar que la infraestructura y las plataformas necesarias estén disponibles y permitan escalar la investigación exploratoria hasta la producción. * Formar parte de un equipo trabajador y comprometido con la mejora continua de los entornos, plataformas y herramientas de desarrollo de aprendizaje automático de AstraZeneca. * Trabajar estrecha y colaborativamente con funciones internas de gobernanza y cumplimiento, como Ciberseguridad y Privacidad de Datos, para asegurar el entorno informático sin obstaculizar la productividad del usuario final. **Competencias y experiencia deseables:** * Titulación avanzada en biología computacional, bioinformática, ciencias de la computación, estadística o campo relacionado, o experiencia profesional equivalente. * Conocimientos sólidos en Python y/o R, y experiencia con frameworks de aprendizaje automático como scikit-learn, TensorFlow o PyTorch. * Experiencia práctica con RNA-seq masivo y de una sola célula, incluidos preprocesamiento, normalización, control de calidad y corrección de lotes. * Conocimiento de estructuras de datos clínicos y modelado de tiempo hasta el evento, incluido el análisis de supervivencia y la predicción de riesgos. * Experiencia con enfoques de interpretabilidad de modelos y cuantificación de incertidumbre. * Competencias prácticas en MLOps: contenedores (Docker), orquestación (Kubernetes), seguimiento de experimentos (MLflow), CI/CD y monitoreo. * Experiencia en la nube (Azure, AWS o GCP), incluidas canalizaciones escalables de ingeniería de datos. * Experiencia en el análisis de conjuntos de datos de cribado de alto rendimiento e integración de multi-ómica. * Conocimiento de los principios de privacidad, seguridad y cumplimiento de datos en entornos sanitarios e investigadores. * Trayectoria comprobada de colaboración multifuncional con impacto, comunicación científica y, cuando corresponda, publicaciones o contribuciones de código abierto. Cuando reunimos equipos inesperados en la misma sala, liberamos formas audaces de pensar con el poder de inspirar medicamentos que cambian vidas. El trabajo presencial nos brinda la plataforma necesaria para conectar, trabajar con ritmo acelerado y cuestionar percepciones. Por eso trabajamos, en promedio, un mínimo de tres días por semana en la oficina. Sin embargo, esto no significa que no seamos flexibles. Equilibramos la expectativa de estar en la oficina respetando al mismo tiempo la flexibilidad individual. Únase a nuestro mundo único y ambicioso. ¿Por qué AstraZeneca? Aquí, la ciencia lidera y los datos la potencian. Trabajará con equipos curiosos y valientes que reúnen experiencia diversa procedente de la industria, la academia y las biotecnológicas para abordar enfermedades complejas con rapidez y rigor. Combinamos IA de vanguardia con conocimientos biológicos profundos, empoderamos a las personas para pensar de forma diferente y respaldamos ideas audaces con las herramientas y plataformas necesarias para escalarlas. Es un entorno donde equipos inesperados reunidos en la misma sala desatan pensamiento audaz, donde el aprendizaje continuo es una realidad y donde sus modelos pueden pasar de la exploración a la publicación y, finalmente, al impacto en los pacientes. Si está listo para construir IA de grado productivo que transforme la transcriptómica en conocimientos aplicables a terapias, dé el siguiente paso hoy mismo y ayude a dar forma a lo que la ciencia puede lograr.