Перейти до вмісту
База знань: довголіття

Кар'єрний старт: вакансії + LinkedIn + пости

Категорія E (кар’єра). Створено: 23 липня 2026. Практичний гайд для career-changer: які вакансії реально брати, як зібрати LinkedIn, що постити. Чесно про PhD і ринок. Стан 2025–2026.

TL;DR

Section titled “TL;DR”
  • Ціль-максимум «Research Scientist» майже завжди хоче PhD. Але є доступніші двері: ML/Research Engineer, Bioinformatician, Research Associate, Data Scientist — туди беруть за навичками й портфоліо.
  • Портфоліо = твій PhD-замінник. 2–3 проєкти з реальними моделями (ESM/Evo 2/Boltz-2) + чистий GitHub важать більше за диплом для інженерних ролей.
  • LinkedIn — не формальність, а вітрина. Заголовок + About + закріплені проєкти вирішують, чи напише рекрутер.
  • Пости («learn in public») пришвидшують усе: видимість → нетворк → інтерв’ю. У тебе вже є суперсила — вмієш пояснювати складне просто.

Частина A — Вакансії

Section titled “Частина A — Вакансії”

Які ролі реально брати (від доступніших до складніших)

Section titled “Які ролі реально брати (від доступніших до складніших)”
  1. Bioinformatician / Computational Biologist (Associate). Часто беруть без PhD, цінують Python + біологію + аналіз даних. Хороша перша сходинка.
  2. ML / Research Engineer. Інженер, що запускає й донавчає моделі, будує пайплайни. Тут головне — код і ML, портфоліо вирішує.
  3. Data Scientist (biotech/pharma). Аналіз даних, моделі, візуалізація.
  4. Research Associate. Асистентська дослідницька роль — вхід у команду, звідки ростуть.
  5. (Ціль) Research / Foundation-Model Scientist. Зазвичай хоче PhD або сильний трек. Це напрямок росту на 2–4 роки, не перша робота.

Чесно про PhD: в академії — обов’язковий; в індустрії для інженерних і асоційованих ролей — часто ні. «Scientist» у назві = зазвичай PhD. Тому перша робота — інженер/асоційований, а не «Scientist».

Хто наймає

Section titled “Хто наймає”
  • AI-фарма/біотех: Insilico Medicine, Recursion, Isomorphic Labs, Xaira, Generate:Biomedicines, InstaDeep, Iambic, Genesis Therapeutics.
  • Довголіття: Altos Labs, Retro Biosciences, NewLimit, BioAge, Gero, Ora Biomedical, Calico.
  • Інфраструктура/тех: NVIDIA (BioNeMo), IBM Research, EvolutionaryScale, Arc Institute.
  • Велика фарма з AI-командами: Pfizer, Novartis, AstraZeneca, Genentech, Eli Lilly.

Де шукати (джоб-борди)

Section titled “Де шукати (джоб-борди)”
  • CompBioJobs — спеціалізований борд (є розділ entry-level і career-path гайд).
  • LinkedIn Jobs — головний канал; став «Open to work», фільтруй remote.
  • Кар’єрні сторінки компаній — часто на Greenhouse/Lever/Ashby; підпишись на них.
  • Otta / Welcome to the Jungle / Wellfound (AngelList) — стартапи, часто remote.
  • Nature Careers, Science Careers — дослідницькі позиції.
  • Longevity-спільнота: дошки Impetus/Longevity Biotech Fellowship, тематичні Slack/Discord.
  • HuggingFace Jobs, Kaggle (конкурси = видимість).

Реалії для України / remote

Section titled “Реалії для України / remote”
  • Remote існує, але конкурентний. Багато вакансій «remote (US/EU)» через візи/тайзони. Шукай remote-first і contract ролі.
  • Стартові двері: стажування, contract/freelance, open-source внесок (issues/PR у ESM, Evo 2, Boltz), Kaggle-медалі — усе це «докази» без диплома.
  • Тайзон і англійська: підкресли гнучкість по годинах і рівень англійської — це реальні фактори.
  • Реалістичний перший крок: не «Scientist у Isomorphic», а junior/associate/contract у меншій компанії або remote-команді, звідки ростеш.

Що вони перевіряють (і як пройти фільтр)

Section titled “Що вони перевіряють (і як пройти фільтр)”
  • GitHub-портфоліо: 2–3 проєкти з README, числами (AUROC), відтвореними моделями. Це №1.
  • Уміння комунікувати: пости/write-ups показують, що ти вмієш пояснювати.
  • OSS-внесок: навіть маленький PR у популярний біо-репо — сильний сигнал.
  • Домашні тести: часто дають ML-завдання; портфоліо готує до них.

Частина B — LinkedIn-профіль

Section titled “Частина B — LinkedIn-профіль”

Профіль веди англійською (поле міжнародне). Нижче — драфти, які можна одразу адаптувати.

1. Фото + банер

Section titled “1. Фото + банер”
  • Нормальне портретне фото (світло, нейтральний фон).
  • Банер — простий: текст на кшталт «Foundation models for genomics & drug discovery» або схема ДНК/білка.

2. Заголовок (Headline) — найважливіше

Section titled “2. Заголовок (Headline) — найважливіше”

Формула: [хто ти стаєш] | [домен] | [чим це доводиш]. Приклади:

  • Aspiring ML / Bio-AI Engineer | Foundation models for genomics & drug discovery | Building with ESM, Evo 2, Boltz-2
  • Machine Learning for Drug Discovery | Protein & genomic foundation models | Python · PyTorch · HuggingFace

3. About (draft — адаптуй)

Section titled “3. About (draft — адаптуй)”

I’m transitioning into AI for biology and longevity, focused on foundation models for genomics, proteins, and drug discovery.

I build hands-on projects with open models — zero-shot variant effect prediction with Evo 2, protein property prediction with ESM-2 / MAMMAL, and structure + binding-affinity screening with Boltz-2 — and I share what I learn publicly.

Background: [твоя попередня сфера] — I bring [твоя сильна сторона: продукт/аналітика/інженерія]. Now combining it with ML and computational biology.

Open to junior / research-engineer / bioinformatics roles (remote-friendly). Let’s connect if you work on AI for health & longevity.

Section titled “4. Featured (закріплені)”

Закріпи 3 проєкти: посилання на GitHub-репо (з гарними README) і/або пост про кожен. Це перше, що дивиться рекрутер.

5. Experience / Projects

Section titled “5. Experience / Projects”

Опиши кожен портфоліо-проєкт як окремий запис (навіть якщо не «робота»):

  • Назва: Zero-shot variant effect prediction with Evo 2
  • 2–3 булети: що зробив, яка метрика (AUROC), який стек. Додай посилання на репо.

6. Skills (додай і підтверджуй)

Section titled “6. Skills (додай і підтверджуй)”

Python, PyTorch, Machine Learning, Deep Learning, HuggingFace, Bioinformatics, Genomics, Protein Structure, Data Analysis, pandas, scikit-learn.

7. Open to work

Section titled “7. Open to work”

Увімкни «Open to work» (можна лише для рекрутерів). Вкажи цільові ролі й remote.

8. Мережа

Section titled “8. Мережа”

Додавай людей із поля: ML-інженери в біотеху, автори моделей, longevity-спільнота. Пиши коротке персональне повідомлення при додаванні.

Частина C — Пости (контент / «learn in public»)

Section titled “Частина C — Пости (контент / «learn in public»)”

Навіщо: видимість → рекрутери й нетворк самі знаходять тебе; заодно закріплюєш знання. Твоя перевага — вмієш пояснювати складне просто (весь цей дашборд — доказ).

Ритм

Section titled “Ритм”
  • 1–2 пости на тиждень, реалістично. Краще стабільно й невеликими, ніж ідеально й ніколи.
  • Прив’яжи до 3-місячного плану: кожен тиждень = один пост про те, що зробив.

Що постити (формати, що працюють)

Section titled “Що постити (формати, що працюють)”
  1. Прогрес-пост: «Тиждень N мого шляху в bio-AI: зробив X, навчився Y». Люди люблять журнал шляху.
  2. Проєкт-розбір: що будував, навіщо, який результат (AUROC), 1 графік. Лінк на GitHub.
  3. Пояснення просто: «Що таке Evo 2 за 2 хвилини» — твій коник. Бери зі своїх простих пояснень.
  4. Огляд інструмента: ESM vs Evo 2 vs Boltz-2 — коли що.
  5. Рефлексія/помилки: «що не спрацювало й чому» — це чіпляє більше за успіхи.

Приклад посту (шаблон)

Section titled “Приклад посту (шаблон)”

🧬 Week 8 of my journey into AI for biology.

This week I finished my first project: predicting protein solubility from ESM-2 embeddings. → Loaded a pretrained protein model, extracted embeddings, trained a classifier. → Result: AUROC 0.8X on held-out proteins.

Biggest lesson: [1 чесний інсайт]. Code + README 👇 [лінк]

Next: zero-shot variant effect prediction with Evo 2. #MachineLearning #DrugDiscovery #Bioinformatics

Тонкощі

Section titled “Тонкощі”
  • Мова: англійська для охоплення поля (за бажання дублюй українською для локальної аудиторії).
  • 1 картинка/графік різко піднімає охоплення.
  • Коментуй чужі пости авторів моделей і компаній — це швидший нетворк, ніж власні пости.
  • Хештеги: #MachineLearning #DrugDiscovery #Bioinformatics #Longevity #AI (3–5, не більше).
  • Без спаму: не проси роботу в кожному пості; показуй роботу — пропозиції прийдуть.

Головні висновки

Section titled “Головні висновки”
  1. Перша ціль — інженер/асоційований, не «Scientist»; PhD не обов’язковий для цих дверей.
  2. Портфоліо (GitHub) вирішує — 2–3 проєкти з моделями важать більше за диплом.
  3. LinkedIn = вітрина: заголовок + About + 3 закріплені проєкти.
  4. Постинг перетворює навчання на видимість і нетворк — почни з тижневих прогрес-постів.

Джерела

Section titled “Джерела”

Матеріали сайту мають освітній характер і не є медичною порадою. Рішення про будь-які втручання ухвалюйте разом із лікарем.