康龙化成
2027届-博士-AIDD 数据算法研究员-北京总部
2027届-博士-AIDD 数据算法研究员-北京总部
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Aidd
Llm
数据工程
机器学习
深度学习
计算化学
值不值得投
80综合评分
综合评分 80
大型企业核心研发岗、前沿AI制药技术、双通道晋升明确，薪资优厚但WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
3.3万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 750 个在招 · 其中人工智能 18 个
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位面向药物化学分子设计等早研阶段，负责建立数据体系、研发分子与反应表征及模型开发
你需要结合计算化学与AI技术，将科学知识与实验数据转化为可迭代的AI能力，助力新药研发
最低要求
计算化学、理论化学、物理化学、计算生物学、生物物理、化学信息学、人工智能或相关专业博士学历
具备扎实的化学/生物科学基础和计算思维，能够理解实验问题，并将领域知识转化为数据、特征或模型假设
熟练使用 Python 和 Linux，具备良好的编码、调试和工程化能力
理解机器学习与深度学习基本原理，有一定AI项目开发经验
有良好的科研项目研究经历，能够独立进行课题的调研，规划，并有一定领导能力，可以带领合作者共同推进项目
思路清晰，沟通顺畅，善于沟通及团队协作
英语熟练，有较好英语沟通和阅读英文文献的能力
工作职责
数据体系与训练数据建设
围绕化学合成及其他 AIDD 项目，开展内部实验数据、公开数据和商业数据的收集、解析、清洗、标准化、去重、质量控制及版本管理，建设可复用的数据处理流程
结合具体任务设计训练样本与多模态数据制作方案，包括分子/反应二维与三维结构、反应条件、实验与工艺参数、活性或性质数据、文本与知识信息，以及必要的计算特征等
与 CADD/计算化学团队协作，提出计算需求、参数范围和质量验收标准，对计算结果进行筛选、整理和结构化，将其转化为可用于模型训练的特征、标签或辅助监督信号
分析数据覆盖度、偏差、噪声、稀疏性及数据泄漏风险，提出数据补充、增广、重采样或新实验数据制备方案，并通过模型评估验证新增数据的实际价值
表征、特征与模型研发
研究并实现适合化学与药物研发任务的分子、反应及生物体系表征，结合领域知识设计具有可解释性和可学习性的特征、标签及物理先验
根据数据特点选择传统机器学习或深度学习方法，找到和数据最佳匹配的建模方案
参与 LLM/Agent 在知识抽取、数据处理、工具调用和专家辅助决策等场景中的技术验证与模块开发
开发可复现的训练与推理代码、数据流水线和实验脚本，推动模型能力从技术验证逐步进入真实业务流程
模型评估与专项技术验证
针对业务目标建立合理的数据划分、基线方法、评估指标和验证集，避免数据泄漏，并评估模型的准确性、排序能力、泛化性、鲁棒性、可解释性及适用边界
结合实验反馈、专家判断和计算结果开展模型结果分析，定位数据或模型瓶颈，形成可执行的改进建议
持续跟踪化学 AI、AIDD、分子表征和科学机器学习领域的新方法，独立承担单项难点技术的调研、原型实现和可行性验证，为技术路线选择提供依据
AI 洞察
优缺点分析
优点
- 处于AI制药这一前沿交叉领域，技术壁垒高，行业前景广阔
- 公司提供完善的培训体系与明确的职业发展通道，依托大型企业的平台，能接触到大规模实验数据与顶尖业务场景
- 需要同时具备深厚的化学与生物学领域知识及AI算法能力，跨学科学习曲线陡峭
- 适合拥有计算化学、AI或相关专业博士学历，对AI制药充满热情，且具备较强跨学科学习能力和科研独立性的求职者
缺点 / 挑战
- 模型研发需紧密结合实验反馈，面临数据噪声、稀疏性及实验验证周期长等实际业务挑战
角色解读
- 通过AI技术赋能大规模实验，成长为AI与药物化学交叉领域的行业专家
- 发掘管理潜质，有机会晋升至管理岗位并获得股权激励
- 负责AIDD（AI辅助药物发现）项目中的数据体系建设、清洗与多模态数据制作
- 研发分子与反应的表征方法，开发并评估机器学习与深度学习模型
- 参与大模型在知识抽取等场景的技术验证，推动AI能力在真实业务流程中的落地
- 具备计算化学、生物物理或AI相关专业博士背景，扎实的化学与生物科学基础及计算思维
- 熟练使用Python和Linux，掌握机器学习与深度学习原理，具备AI项目开发经验
- 具备良好的科研独立性与团队协作沟通能力
申请策略
- 深入了解公司的主营业务及计算化学团队，在面试中展现对药物研发全流程的理解，以及如何将AI技术与实际实验痛点结合的思维
- 突出在计算化学、分子表征或AI药物发现相关的科研项目经历，展示独立推进课题的能力
- 强调Python与Linux工程化能力，以及在机器学习模型开发、数据处理方面的实际项目经验
- 提前了解AIDD领域的最新进展，如大模型在化学知识抽取中的应用、分子三维表征方法等
- 熟悉常用的化学信息学工具及深度学习框架
面试指南
- 采用STAR法则描述项目经历，重点突出跨学科结合的难点解决过程
- 对于技术问题，先阐述理论基础，再结合具体业务场景说明选型理由，最后强调评估指标与实验验证的闭环
- 请介绍一个你主导的AI或计算化学相关科研项目，你是如何从0到1推进的？
- 在处理化学分子或反应数据时，你如何进行数据清洗、特征工程以及处理数据稀疏性问题？
- 针对分子表征，你了解或实践过哪些方法？如何评估模型的泛化性和可解释性？
- 你如何看待大模型在药物研发知识抽取或工具调用中的应用前景？
- 当模型评估结果与实验反馈不一致时，你通常会如何排查和定位问题？
- 复习机器学习与深度学习基础及分子表征相关论文
职位点评
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利
80较高
博士校招算法岗，薪资处于市场中上水平，且公司提供股权激励机会，整体薪酬福利具有较强竞争力。
薪资信号未披露（AI估算：2.5千–4万/月）
福利待遇新员工培训、导师一对一制、股权激励
成长发展
90较高
岗位处于AI制药前沿领域，提供完善的导师制培训与专家讲座，且有明确的专家与管理双通道晋升路径，发展空间极大。
技术前沿前沿/新兴技术
技术栈Python、Linux、机器学习、深度学习、LLM、Agent、分子表征、AIDD
成长机会导师一对一制、晋升至管理岗位、股权激励
业务类型ambiguous
工作生活
60中等
工作地点位于北京经济技术开发区，通勤需考虑。JD未明确提及工作模式与加班情况，研发岗通常需配合实验进度，WLB情况无法明确判断。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于AI赋能新药研发，解决药物设计中的关键难题，具有极高的社会价值与行业使命感，推动医药行业创新发展。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
康龙化成 的其他在招职位
相似职位推荐
Watch Jobs