Auf einen Blick
- Aufgaben: Entwickle ML-Modelle zur Vorhersage von Organ-Toxizitäten mit historischen Daten.
- Arbeitgeber: Roche ist ein globales Unternehmen, das sich für innovative Gesundheitslösungen einsetzt.
- Mitarbeitervorteile: 100% Remote-Arbeit, kreative Arbeitsumgebung und Zugang zu Experten.
- Warum dieser Job: Arbeite an bedeutenden Projekten, die die Zukunft der Gesundheitsversorgung beeinflussen.
- GewĂĽnschte Qualifikationen: Master- oder Bachelorabschluss in Bioinformatik oder verwandten Bereichen; starke Python-Kenntnisse erforderlich.
- Andere Informationen: Dauer: 12 Monate, Beginn: Oktober 2025.
At Roche you can show up as yourself, embraced for the unique qualities you bring. Our culture encourages personal expression, open dialogue, and genuine connections, where you are valued, accepted and respected for who you are, allowing you to thrive both personally and professionally. This is how we aim to prevent, stop and cure diseases and ensure everyone has access to healthcare today and for generations to come. Join Roche, where every voice matters. The Position This internship supports the development of a Biological Read-Across (BioRA) framework aimed at predicting human-relevant organ toxicities by training machine learning classifiers on pre-labeled, harmonized in vivo data (e.g., histopathology, clinical chemistry, organ weights). Working closely with experts in toxicology, data science, and systems biology, you’ll help build and validate predictive models that classify compounds by toxicity type, enabling mechanism-informed safety decisions early in drug development. Join our team and work in close collaboration with (computational) toxicologists as well as other scientists, using state-of-the-art bioinformatics and biostatistics tools and methods and gaining toxicological insights from experts in the field. The opportunity – Data preparation: There is an established pipeline for rat data harmonization that needs to be implemented for the other species – Model Development: Train and optimize ML classifiers (e.g. random forest, SVM, XGBoost, deep learning) to predict compound-induced organ toxicities based on existing labels and harmonized datasets. Evaluate model performance using metrics such as ROC-AUC, precision-recall, and confusion matrices. – Mechanistic Insight Extraction: Analyze feature importance and explore biological interpretation of model outputs. Map model-informative patterns to known toxicity mechanisms using ontologies and prior annotations (e.g., AOPs) (optional) – Workflow Automation: Package reproducible data science pipelines for classification and evaluation. Contribute to a scalable framework that can be used for future compound screening or model updates. – Internal Communication: Prepare progress summaries and present results to stakeholders in Predictive Modeling, TSAC, and Clinical Safety teams. Support documentation for potential inclusion in publications or internal tools. Who You Are You are currently enrolled in a Master’s program or have completed your (Master’s or Bachelor) studies not longer than 12 months ago in bioinformatics, biomedicine or computational sciences with interest or working knowledge in biology, toxicology, and/or life sciences. – Strong programming skills in Python; – Knowledge and interest in pharmacology /toxicology/life sciences – Strong interest in interdisciplinary modeling (biology Ă— AI) – Effective communicator and self-driven problem solver – Good data engineering, visualization, and interpretation skills are desirable; Non-EU/EFTA citizens must enclose a confirmation from the university that a compulsory internship is part of the training with their application documents. Start: October 2025 Duration: 12 Months Workload: 100% Who we are A healthier future drives us to innovate. Together, more than 100’000 employees across the globe are dedicated to advance science, ensuring everyone has access to healthcare today and for generations to come. Our efforts result in more than 26 million people treated with our medicines and over 30 billion tests conducted using our Diagnostics products. We empower each other to explore new possibilities, foster creativity, and keep our ambitions high, so we can deliver life-changing healthcare solutions that make a global impact. Let’s build a healthier future, together. Roche is an Equal Opportunity Employer.
Internship - Machine Learning for Toxicity Classification Using Historical In Vivo Data Arbeitgeber: F. Hoffmann-La Roche AG

Kontaktperson:
F. Hoffmann-La Roche AG HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Internship - Machine Learning for Toxicity Classification Using Historical In Vivo Data
✨Tipp Nummer 1
Nutze Networking-Plattformen wie LinkedIn, um mit Fachleuten aus der Biotechnologie und dem Maschinenlernen in Kontakt zu treten. Suche gezielt nach Mitarbeitern von Roche und versuche, dich mit ihnen auszutauschen, um mehr ĂĽber die Unternehmenskultur und die spezifischen Anforderungen des Praktikums zu erfahren.
✨Tipp Nummer 2
Beteilige dich an Online-Communities oder Foren, die sich mit toxikologischen Daten und maschinellem Lernen beschäftigen. Dies kann dir helfen, aktuelle Trends und Technologien zu verstehen, die für das Praktikum relevant sind, und dir wertvolle Einblicke geben, die du in Gesprächen während des Auswahlprozesses nutzen kannst.
✨Tipp Nummer 3
Bereite dich darauf vor, deine Programmierkenntnisse in Python zu demonstrieren. Du könntest beispielsweise ein kleines Projekt oder eine Analyse erstellen, die zeigt, wie du ML-Modelle zur Vorhersage von Toxizität einsetzen würdest. Dies könnte ein großartiges Gesprächsthema im Vorstellungsgespräch sein.
✨Tipp Nummer 4
Informiere dich über die neuesten Entwicklungen in der Biostatistik und Bioinformatik, insbesondere in Bezug auf toxikologische Anwendungen. Zeige dein Interesse an diesen Themen in Gesprächen und betone, wie du diese Kenntnisse in das Praktikum einbringen möchtest.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Internship - Machine Learning for Toxicity Classification Using Historical In Vivo Data
Tipps für deine Bewerbung 🫡
Verstehe die Anforderungen: Lies die Stellenbeschreibung sorgfältig durch und achte auf spezifische Anforderungen wie Programmierkenntnisse in Python, Interesse an Biologie und Toxikologie sowie Kommunikationsfähigkeiten. Stelle sicher, dass du diese Punkte in deiner Bewerbung ansprichst.
Dokumente vorbereiten: Bereite alle erforderlichen Dokumente vor, einschließlich deines Lebenslaufs, eines Motivationsschreibens und, falls erforderlich, einer Bestätigung deiner Universität über das Pflichtpraktikum. Achte darauf, dass deine Unterlagen aktuell und gut strukturiert sind.
Motivationsschreiben verfassen: Schreibe ein überzeugendes Motivationsschreiben, in dem du deine Leidenschaft für Machine Learning und Toxikologie zum Ausdruck bringst. Erkläre, warum du bei Roche arbeiten möchtest und wie deine Fähigkeiten zur Entwicklung des BioRA-Frameworks beitragen können.
Bewerbung einreichen: Reiche deine Bewerbung über die offizielle Website von Roche ein. Überprüfe vor dem Absenden, ob alle Informationen korrekt und vollständig sind, um einen professionellen Eindruck zu hinterlassen.
Wie du dich auf ein Vorstellungsgespräch bei F. Hoffmann-La Roche AG vorbereitest
✨Verstehe die Grundlagen der Toxikologie
Da das Praktikum bei Roche stark auf Toxikologie fokussiert ist, solltest du dir grundlegende Kenntnisse in diesem Bereich aneignen. Informiere dich über gängige toxikologische Begriffe und Konzepte, um während des Interviews kompetent darüber sprechen zu können.
✨Bereite dich auf technische Fragen vor
Erwarte technische Fragen zu Machine Learning und Datenanalyse. Sei bereit, deine Programmierkenntnisse in Python zu demonstrieren und erkläre, wie du ML-Modelle trainieren und optimieren würdest. Beispiele aus früheren Projekten können hier sehr hilfreich sein.
✨Zeige deine Kommunikationsfähigkeiten
Da interne Kommunikation ein wichtiger Teil der Position ist, solltest du deine Fähigkeit zur klaren und effektiven Kommunikation unter Beweis stellen. Übe, komplexe technische Informationen einfach und verständlich zu erklären, als ob du sie einem nicht-technischen Publikum präsentierst.
✨Interesse an interdisziplinärer Zusammenarbeit
Roche sucht nach Kandidaten, die Interesse an interdisziplinärer Zusammenarbeit haben. Bereite Beispiele vor, in denen du erfolgreich mit anderen Fachbereichen zusammengearbeitet hast, und betone, wie du verschiedene Perspektiven in deine Arbeit integriert hast.