Ingeniero Fundador de Aprendizaje Automático

Descripción

Resumen ejecutivo Tolemy está desarrollando Orbit, el panel de control para la célula: una plataforma que ayuda a los científicos a conectar datos experimentales, conocimientos biológicos y modelos de inteligencia artificial para comprender y mejorar los sistemas celulares. Estamos contratando a un Ingeniero Fundador de Aprendizaje Automático para construir los sistemas de modelado detrás de Orbit. Trabajarás con datos biológicos dispersos, ruidosos y de alta dimensionalidad, creando modelos capaces de inferir estructura, cuantificar incertidumbre, guiar experimentos y convertirse en herramientas útiles para los científicos. Sobre Tolemy La biología se está volviendo programable, pero los científicos aún carecen de las herramientas necesarias para comprender, predecir y dirigir el comportamiento celular. En Tolemy, estamos construyendo Orbit como una capa de control para la función celular: una plataforma que conecta datos experimentales, conocimientos biológicos y modelos de IA para crear representaciones digitales útiles de las células. Nuestra plataforma ayuda a los científicos a pasar de la observación a la intervención. Comenzamos en el desarrollo terapéutico, donde mejores modelos y mejores herramientas experimentales pueden ayudar a los equipos a mejorar el rendimiento celular, la fabricación y el desarrollo de terapias que salvan vidas. El objetivo no es simplemente predecir qué harán las células, sino ayudar a los científicos a comprender por qué se comportan como lo hacen, qué probar a continuación y cómo mejorarlas. Si deseas construir modelos y software que transformen la forma en que los científicos entienden las células, diseñan experimentos y desarrollan terapias que salvan vidas, ¡nos encantaría conocerte! Aspectos destacados de la empresa * **Recientemente financiado y en rápido desarrollo.** Hemos recaudado nuestra ronda pre-semilla de destacados inversores europeos y la estamos utilizando para formar un pequeño equipo técnico excepcional en Barcelona. * **Un problema técnico poco común.** Se trata de aprendizaje automático aplicado a datos biológicos dispersos, ruidosos y costosos de generar, procedentes directamente de nuestro propio laboratorio experimental y de los laboratorios de importantes socios. * **Una demanda comercial real.** Orbit se está desarrollando en torno a problemas reales de clientes, colaboraciones activas y conjuntos de datos experimentales en terapias avanzadas y biofabricación. * **Lo suficientemente temprano como para moldear los fundamentos.** Ayudarás a definir desde el principio nuestro enfoque técnico, infraestructura y cultura de validación científica. * **Un equipo profundamente interdisciplinar.** Trabajarás directamente con un equipo especializado en biología celular, biología de sistemas, software, producto y aprendizaje automático. Vida en Tolemy Estamos formando un equipo presencial en Barcelona, trabajando juntos en inglés. Apoyamos la reubicación y la obtención de visados cuando sea necesario. Nuestros valores son sencillos: **mantener la curiosidad, ser siempre amables y actuar con propósito**. Valoramos la profundidad técnica, pero también cómo las personas colaboran, aprenden, se comunican y se apoyan mutuamente. Ofrecemos un salario competitivo, participación accionaria significativa para empleados tempranos, tiempo libre flexible, modalidades flexibles de trabajo remoto, un presupuesto para formación y conferencias, equipamiento de alta calidad y apoyo práctico para ayudarte a hacer de Barcelona tu hogar, si aún no lo es. **Desafíos técnicos exigentes** Orbit se sitúa en la intersección del aprendizaje automático, la biología y la ciencia experimental. Algunos de los desafíos más difíciles en los que trabajarás incluyen: **Aprender a partir de biología dispersa.** Los datos biológicos son ruidosos, costosos, de alta dimensionalidad e incompletos. ¿Cómo aprendemos representaciones útiles del estado celular a partir de datos experimentales limitados? **Construir modelos en los que los científicos confíen.** Las células contienen una estructura biológica real: metabolismo, regulación, señalización, transporte y respuestas al estrés. ¿Cómo combinamos este conocimiento con el aprendizaje automático para construir modelos predictivos y biológicamente significativos? **Guiar experimentos mejores.** Los modelos útiles deben ayudar a los científicos a comprender la incertidumbre, comparar hipótesis y decidir qué probar a continuación. ¿Cómo evaluamos los modelos cuando no existe un punto de referencia claro para «comprender una célula»? Qué buscamos Buscamos a alguien con sólido criterio en aprendizaje automático y experiencia construyendo modelos para sistemas reales complejos. Deberías ser capaz de razonar desde primeros principios sobre datos, modelos, potencia computacional, incertidumbre, validación y utilidad del producto. También deberías disfrutar de la ambigüedad, preocuparte por la verdad científica y querer construir sistemas que ayuden a los usuarios a tomar mejores decisiones. Valoramos más la profundidad, el criterio y las pruebas de un trabajo excepcional que las credenciales académicas. Es posible que tengas formación doctoral en aprendizaje automático, física, biología, química, matemáticas aplicadas, biología computacional u otra disciplina orientada a sistemas. Deberías tener sólidos fundamentos en una o más de las siguientes áreas: matemáticas aplicadas, estadística, optimización, modelado probabilístico, inferencia causal, sistemas dinámicos, aprendizaje automático científico u otras afines. También podrías ser un ingeniero excepcional en aprendizaje automático aplicado sin doctorado, con un historial comprobado de construcción de modelos para sistemas reales complejos. La experiencia con datos biológicos es útil, aunque no obligatoria. Lo más importante es sentirse cómodo con sistemas del mundo natural: caóticos, ruidosos, dispersos, no lineales y observados solo parcialmente. Deseable * Experiencia con modelos mecanicistas, aprendizaje automático híbrido, métodos bayesianos, inferencia causal, sistemas dinámicos o cuantificación de incertidumbre. * Experiencia diseñando puntos de referencia en espacios de problemas novedosos o mal definidos. * Experiencia construyendo modelos que pasen de la investigación a la producción o a flujos de trabajo accesibles para los usuarios. * Publicaciones o trabajo de código abierto en aprendizaje automático, biología computacional, computación científica o áreas afines. * Experiencia en una empresa de alto crecimiento, una startup de tecnología profunda o un entorno de investigación a producción. Tipo de empleo: Tiempo completo Remuneración: 60.000,00€ \- 100.000,00€ al año Ubicación laboral: Presencial