 |
 |
 |
En halv dag eller en hel dag – du bestemmer selv
|
|
 |
|
|
 |
 |
 |
 |
 |
Fordele ved et kursus i virksomheden
|
|
 |
|
|
 |
 |
 |
 |
Tre eksempler på ½-dagskurser
|
|
|
|
 |
 |
 |
 |
Har I egne cases, afvigelser, SOP’er eller auditfund, som I gerne vil lære af sammen, kan den faciliterede workshop Lær af egne cases og få fælles retning være en relevant måde at skabe fælles indsigt, dialog og konkrete næste skridt. Denne session kan let kobles sammen med andre ½-dagskurser som fx SOP, CAPA og Root Cause Analyse.
|
 |
|
|
|
 |
 |
 |
 |
 |
Mød to af vores eksterne undervisere
|
|
|
|
 |
 |
 |
|
 |
 |
 |
Darius Adam Rohani er PhD i Health Tech, partner i Kuatro Group og arbejder som Senior AI Specialist. Han har blandt andet erfaring fra life science som teknisk rådgiver for dataautomatiseringsløsninger, der omdanner manuel, GxP-kritisk dokumentation til strukturerede data.
Hans faglige styrke ligger i at omsætte AI til praksisnære løsninger, også når kravene til dokumentation, dataintegritet og compliance er høje.
På LinkedIn deler han løbende erfaringer fra feltet og peger ofte på en central udfordring: at AI-landskabet ændrer sig hurtigt, og at man derfor skal kunne styre risiko, ændringer og drift – ikke kun implementeringen.
|
 |
 |
 |
Daniel er ny på Pharmakon-holdet, men med solid erfaring: Han har 15 års erfaring fra den farmaceutiske industri og en stærk baggrund inden for kvalitet, GMP, operational excellence og Quality Risk Management.
Daniel har blandt andet været Director hos Novo Nordisk med det overordnede kvalitetsansvar på virksomhedens store insulinproduktionssite i Kalundborg. Senere har han som konsulent arbejdet med blandt andet nye produktionsfaciliteter, produktionsprocesser og udstyr samt udvikling af kompetencer og metoder inden for Quality Risk Management og Science and Risk Based Validation.
I dag leder Daniel forretningsområdet AI i GxP hos Kuatro Group, hvor han rådgiver life science-virksomheder om compliant brug af AI i GMP-regi, fra AI-modenhed og governance til konkret validering af AI- og ML-systemer. Han leder desuden fortsat projekter inden for operational readiness, procesoptimering og GMP compliance.
Det giver Daniel en sjælden kombination: mange års erfaring fra den farmaceutiske produktion, indgående kendskab til de kvalitets- og risikobaserede principper bag kvalificering og validering, og et skarpt blik for, hvordan AI kan bruges i praksis uden at gå på kompromis med compliance.
|
 |
 |
|
|
|
 |
 |
 |
|
 |
|