锦鲤求职岗位描述
工作内容
带领团队在生物信息学组内部推进人工智能 (AI)、机器学习 (ML) 及先进计算方法的开发 、部署与工程化落地，全面赋能中国种业研发(Seeds R&D)。 负责组建并带领团队，针对基因组学、多组学及生物图像等生命科学数据领域，提供高扩展性、可投入实际生产的 AI 解决方案。通过与生物信息学家、育种家、分子生物学家及数字化合作伙伴紧密协作，将种业研发管线中的生物学挑战转化为稳健的计算解决方案，从而加速科研发现、优化决策流程并提升研发效率。、
• 团队领导与能力建设（Team Leadership & Capability Development）
1、招聘、指导并带领一支高绩效的 AI 科学家与工程师团队。制定技术标准、工程最佳实践以及可复用的 AI 架构、组件与工具能力。促进中国与全球生物信息团队之间的协作，持续建设机器学习、深度学习、云计算及科学软件工程等核心能力，有力支持种业研发的长期战略目标。
• AI 模型开发与创新（AI Model Development & Innovation）
2、主导针对生物学数据的机器学习与深度学习方法的设计、研发与应用，涵盖基因组与蛋白质序列建模、计算机视觉、多组学数据整合、科学知识挖掘与检索以及多模态 AI。推动前沿 AI 技术的评估、适配与落地应用，为育种和生物技术项目创造可量化的实际价值。
• AI 平台、工程化与运维(AI Platforms, Engineering & Operations)
3、构建并维护高扩展性的 AI平台、自动化工作流及工程规范，全面盖数据准备、模型训练、分布式计算、评估验证、可复现性管理、部署上线、监控及运维等全生命周期。与种业研发工程赋能及运维团队（Seeds R&D Engineering Enablement & Operations）合作，充分利用云平台与高性能计算（HPC）基础设施，确保通过可靠、弹性且高性价比的算力环境交付 AI 工作负载，为种业科研与产品开发保驾护航。
• 性状研发管线与育种赋能（Trait Pipeline & Breeding Enablement）
4、与育种家、性状发现科学家、分子生物学家及生物信息学家紧密合作，发掘 AI 赋能决策与科学发现的高价值应用场景。将基因组预测、基因型-表型关联分析、生物技术性状发现、蛋白质工程以及实验设计等生物学核心难题转化为实用的 AI 赋能解决方案。
• 跨职能协作与技术整合(Cross-Functional Collaboration & Technology Integration)
5、与生物信息学、性状数字化与基因组学（Traits Digitalization & Genomics）、数据科学及其他研发部门紧密协作，将 AI 能力无缝整合到现有的科学工作流与科研平台中。确保 AI 解决方案符合内部技术标准、与企业级系统互联互通并得到有效应用，为育种和生物技术项目带来实质价值。
• AI 战略与前沿技术调研（AI Strategy & Technology Scouting）
6、持续跟踪人工智能、科学大模型（Scientific Foundation Models）及计算生物学领域的最新进展。评估新兴技术，并通过引入前沿 AI 方法、工具平台及外部合作，积极探索加速育种与生物技术研发的新机遇。
任职条件
1、计算机科学、人工智能、机器学习、生物信息学、计算生物学或相关定量学科（Quantitative Discipline）的博士学位。
2、5 年以上 AI、机器学习、生物信息学、计算生物学或科学软件开发经验，包含技术项目管理或团队领导经验。
3、具有在科研或生产环境中成功开发并部署上线 AI 解决方案的实证成果。
4、具备将 AI 应用于基因组学、蛋白质科学、生物图像、多组学数据或科学知识挖掘等生物学问题的实际经验。
5、具备在涵盖生物学、工程、数据科学和科研职能的跨学科团队中协同工作的经验。
6、具有农业、生物技术、生命科学或相关研发密集型行业背景者优先考虑。
7、拥有卓越的科研创新记录（如发表高影响力学术论文、拥有专利、成功主导核心技术开发或成功将 AI 应用于生物学研究）者高度优先。
8、深入理解机器学习、深度学习、生成式 AI 以及用于预测、设计与知识发现的现代前沿 AI 方法。
9、熟知 AI 在各类生物数据领域的应用，包括基因组与蛋白质序列、多组学数据集、生物成像数据及科学文献。
10、理解生物信息学与计算生物学基础，包括基因组学、转录组学、全基因组选择（Genomic Selection）、蛋白质生物学及生物数据管理。
11、理解现代 AI 平台架构，包括分布式计算、MLOps、云原生/HPC 环境及大规模数据工程实践。
12、敏锐关注人工智能、科学大模型以及计算生物学的前沿技术动态。
13、精通 Python 及现代软件工程实践，具备使用 PyTorch、TensorFlow 或 JAX 等主流框架开发和部署机器学习解决方案的丰富经验。
14、具备利用云平台与 HPC 环境支持大规模 AI 工作负载与科学计算的实践经验。
15、熟悉 AI 平台技术、工作流自动化、模型全生命周期管理、科研可复现性保障及模型部署实践。
16、具备组建和培养高绩效技术团队的能力，并能有效建立工程标准与最佳实践。
17、出色的跨团队沟通与协调能力，能够将复杂的计算概念转化为面向不同利益相关方和高管团队的实用科学解决方案。
18、优秀的英语口语表达与书面写作能力（工作语言）。