Associate Director – Computer Vision & AI (m/w/d)

Beschreibung: Serving the goals of drug development projects, create image analysis solutions to generate decisive data based on the analysis of H&E, immunohistochemistry, and multiplexed immunofluorescence histopathology whole slide images.

Führungsrolle in der Forschung, Entwicklung und Anwendung neuester Methoden der künstlichen Intelligenz. Übernahme einer Führungsrolle in der Bildanalyse in Projekten oder Segmenten großer Arzneimittelentwicklungsprogramme. Verbreitung von Wissen, Best Practices sowie entwickelten Algorithmen und Softwaretools an interne Zielgruppen durch Projektbesprechungen, Seminare und Dokumentation sowie an die externe akademische Gemeinschaft durch Konferenzpräsentationen und Fachzeitschriftenveröffentlichungen.

Enge Zusammenarbeit mit Projektbeteiligten und Schnittstellenfunktionen wie translationaler Wissenschaft, Pathologie, Qualitätssicherung, Datenmanagement, Softwareentwicklung, Datenwissenschaft und Bioinformatik. Einhaltung des AstraZeneca General Laboratory Standard zur Unterstützung der Produktqualität und der regulatorischen Compliance in der Entwicklung, Herstellung und Verteilung von aktiven pharmazeutischen Wirkstoffen, Arzneimitteln und Geräten.

Qualifikationen:

• Abschluss in Informatik, Mathematik, Physik, Bioinformatik oder einem vergleichbaren Abschluss mit Schwerpunkt auf Deep/Machine Learning und Computer Vision; oder gleichwertige Erfahrung ≥3-5 Jahre in der Industrie.
• Zusätzliche Berufserfahrung im Bereich der medizinischen und/oder biomedizinischen Bildanalyse als Postdoc oder in der Industrie.
• Expertenwissen über moderne Deep-Learning-Modelle und -Architekturen für Computer Vision, insbesondere für Objekterkennung, semantische Segmentierung, Instanzsegmentierung und schwach überwachte Lernverfahren.
• Fortgeschrittene Programmierkenntnisse in Python und gute Kenntnisse der gängigsten wissenschaftlichen Rechenbibliotheken (numpy, pandas, scikit-learn, scipy, opencv) sowie von Machine-Learning-Frameworks (tensorflow, pytorch).
• Gute Kenntnisse der Best Practices für Softwareentwicklung (Docstring, Unit Testing, CI-Pipelines) sowie für die Entwicklung, Validierung und Freigabe von Modellen (Datenaufteilung, Modelltests, Hyperparameter-Tuning).
• Nachweisbare Erfolge bei wissenschaftlichen Veröffentlichungen, Konferenzbeiträgen (NeurIPS, CVPR, ICML) und/oder gelieferten KI-Lösungen in wissenschaftlichen Industrieprojekten.
• Fähigkeit, Verantwortung für das Management und die Lieferung von Teilprojekten in einem multinationalen, multidisziplinären Projekt in der Akademie oder Industrie zu übernehmen.
• Talent, neuartige wissenschaftliche Ideen zu konzipieren, zu entwickeln, zu kommunizieren und umzusetzen, die mit den Strategien zur Arzneimittelentwicklung und Biomarkern übereinstimmen.
• Erfahrung mit dem Training und der Bereitstellung von Computer Vision Foundation, Whole-Slide-Bilddarstellung und/oder multimodaler Fusion verschiedener (Bildgebungs-)Modalitäten unter Verwendung modernster Ansätze (CLIP) ist ein großer Vorteil.
• Berufserfahrung mit mindestens einer der folgenden Methoden: semi-supervised learning, self-supervised learning, few-shot learning, generative learning, self-attention learning (Transformers), active learning, survival learning, graph neural networks und/oder domain adaptation learning.

Individuelle Entwicklungsmöglichkeiten und ein Fokus auf lebenslanges Lernen. Ein vielfältiges, inklusives und unvoreingenommenes Arbeitsumfeld. Vertrauen, Wertschätzung und Raum für Mitgestaltung.