Яндекс

Примеры вакансий

По окончании магистерской программы студенты смогут работать в научных институтах, а также в биотехнологических и фармакологических компаниях.

Ниже приведены примеры вакансий с необходимым набором знаний и навыков.

Ученый-исследователь
M
L

Специалист в машинном обучении занимается исследованиями в частных компаниях и государственных институтах: разрабатывает подходы для предсказания эффектов лекарств, исследует межгенные взаимодействия, реализует пайплайны обработки данных.

Ключевые предметы:

 

  • Python для научных вычислений
  • Современные методы NGS
  • Современная генетика и генная инженерия
  • Биоинформатические алгоритмы

Аналитик геномных данных
M
L

Такой специалист занимается анализом геномных данных как для научных целей, так и для персонализированной медицины. Ученый может собственноручно проанализировать данные секвенирования и, применив к ним методы машинного обучения, дать рекомендации по использованию лекарств при лечении заболеваний.

Ключевые предметы:

 

  • Современные методы NGS
  • Современная генетика и генная инженерия
  • Математическая статистика
  • Машинное обучение
  • Глубокое обучение
  • Медицинская геномика

Специалист по обработке медицинских изображений
M
L

Анализ биологических изображений часто требует большого объема ручной работы для аннотации и разметки. Специалисты по обработке изображений помогают автоматизировать этот процесс, обучая глубокие нейронные сети распознавать, выделять и подсчитывать необходимые объекты на изображениях в наборе данных.

Ключевые предметы:

  • Вирусология и микробиология
  • Иммунология
  • Машинное обучение
  • Глубокое обучение
  • Анализ изображений
  • Биоинформатика рака

Архитектор алгоритмов машинного обучения
M
L

Для всех задач, требующих применения методов машинного обучения и искусственного интеллекта, необходим тщательный анализ качества входных данных, подбор архитектуры и критериев оценки качества для выстраивания эффективного алгоритма анализа данных, учитывающего специфику биологических данных.

Ключевые предметы:

  • Алгоритмы и устройство компьютера
  • Python для научных вычислений
  • Машинное обучение
  • Глубокое обучение
  • Проектирование баз данных

Разработчик систем обработки биологических данных
M
L

Современные биологические методы порождают огромные массивы данных, для предобработки и дальнейшего использования которых необходимы множественные преобразования. Автоматизация такого процесса обработки, анализа и сбора результатов позволяет пациенту получить результат исследования прямиком из лаборатории.

Ключевые предметы:

  • Алгоритмы и устройство компьютера
  • Современные методы NGS
  • Анализ изображений
  • Язык R для анализа и визуализации данных
  • Проектирование БД