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
