Brasilien
Pentera
Turing
Machine Learning / Data Engineer
Brasilien
São Paulo, São Paulo, Brazil · Colombia, Huila, Colombia
PythonSQLGCP
Automatische Übersetzung. Prüfe das Original.
Über Turing
Turings Mission ist es, Superintelligenz zu beschleunigen, um echten wirtschaftlichen Fortschritt zu erzielen. Mit Hauptsitz in San Francisco arbeitet Turing mit führenden KI-Laboren zusammen, um qualitativ hochwertige Datensätze, Reinforcement-Learning-Umgebungen und wegweisende Forschungsbenchmarks zu generieren, die die Fähigkeiten von Modellen in den Bereichen Softwareentwicklung, unternehmensweite Wissensarbeit und fortgeschrittene MINT-Argumentation verbessern. Im Bereich Softwareentwicklung ist Turing der größte und am längsten etablierte Datenanbieter in dieser Kategorie. Turing arbeitet auch mit Fortune 500-Unternehmen aus den Bereichen Finanzdienstleistungen, Biowissenschaften, Gesundheitswesen, Einzelhandel, Automobil und Konsumgüter zusammen, um End-to-End-Agenten-KI-Systeme für geschäftskritische Arbeitsabläufe zu entwickeln und einzusetzen. Durch die Tätigkeit auf beiden Seiten schließt Turing die Lücke zwischen Spitzenforschung und Unternehmenseinsatz und wandelt reale Einsatzsignale in bessere Daten, Auswertungen und leistungsfähigere Modelle um. Erfahren Sie mehr unter turing.com.
Senior ML & Data Engineer — Datenqualität & Compliance für sensible Daten
Über die Rolle
Unternehmensdaten fließen durch unsere Konnektoren, werden verarbeitet und durchlaufen eine Bereinigungs-Schicht, bevor etwas nachgelagertes sie berührt. In jedem Schritt müssen zwei Dinge gelten: Die Daten sind das, was wir denken, dass sie sind, und es gelangen keine sensiblen Informationen – PII, PHI, unternehmensidentifizierbare Informationen (CII) oder Finanzdaten – durch. Sie werden beides verantworten. Dies werden Sie hauptsächlich durch den Aufbau von machine learning tun, das sensible Entitäten in Text- und Bilddaten erkennt und sie konsistent in großem Maßstab ersetzt.
Dies ist eine praxisorientierte IC-Engineering-Rolle mit einem QA-Mindset. Sie werden die Erkennungsmodelle, die Validierungsinfrastruktur, die adversen Testdatensätze und die Audit-Prozesse aufbauen, die es uns ermöglichen, starke Aussagen über die Datenqualität und die Leistung der De-Identifizierung zu treffen – und diese mit Beweisen zu untermauern. Sie werden eng mit einem erfahrenen ML-Lead zusammenarbeiten, ohne kundenbezogene Verantwortlichkeiten.
Dies ist eine Vollzeitstelle im Remote-Modus mit Sitz in Brasilien oder Kolumbien.
Warum diese Rolle wichtig ist
Unsere Unternehmenskunden vertrauen uns ihre Daten an unter der Bedingung, dass sie niemals auf sie zurückgeführt werden können. Jedes nachgelagerte Modell, jedes Dashboard und jede Kundenverpflichtung hängt davon ab, dass die Daten sauber sind und die Bereinigungs-Schicht lückenlos funktioniert. Wenn Sie ein Leck finden, haben Sie einen Vorfall verhindert. Wenn Sie beweisen, dass keiner vorhanden ist, haben Sie das Vertrauen gewonnen, das es dem Rest des Unternehmens ermöglicht, schnell voranzukommen.
Werte
- Wir sind kundenorientiert: Wir stellen unsere Kunden in den Mittelpunkt unseres Handelns, denn ihr Erfolg ist das ultimative Maß für unseren Wert.
- Wir arbeiten mit Startup-Geschwindigkeit: Wir sind schnell, agil und bevorzugen Handeln, denn Dynamik ist die Grundlage der Perfektion.
- Wir sind KI-orientiert: Wir helfen unseren Kunden, die Zukunft der KI aufzubauen und setzen sie in unseren eigenen Rollen und Arbeitsabläufen ein, um die Produktivität zu steigern.
Turing ist stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert. Wir diskriminieren nicht aufgrund von Rasse, Religion, Hautfarbe, nationaler Herkunft, Geschlecht, Geschlechtsidentität, sexueller Orientierung, Alter, Familienstand, Behinderung, Status als geschützter Veteran oder anderen gesetzlich geschützten Merkmalen. Bei Turing widmen wir uns dem Aufbau eines vielfältigen, integrativen und authentischen Arbeitsplatzes und feiern die Authentizität. Wenn Sie sich für diese Rolle begeistern, Ihre bisherige Erfahrung aber nicht perfekt mit jeder Qualifikation in der Stellenbeschreibung übereinstimmt, ermutigen wir Sie, sich trotzdem zu bewerben. Sie könnten genau der richtige Kandidat für diese oder andere Rollen sein.
Für Bewerber aus der Europäischen Union lesen Sie bitte hier die GDPR-Hinweise von Turing.
Was Sie tun werden
Datenqualität
- Führen Sie Tiefenanalysen von Unternehmensdaten durch, um die Qualität zu bewerten: Themenkohärenz über Konnektoren hinweg, Domänentiefe innerhalb von Konnektoren, Vollständigkeit und Konsistenz
- Entwerfen und automatisieren Sie Validierungssuiten für Datenpipelines – Schema-Prüfungen, Vollständigkeit, Drift-Erkennung und Abgleich zwischen Rohdaten → verarbeiteten → bereinigten Stufen
- Identifizieren und charakterisieren Sie Qualitätsprobleme auf eine Weise, auf die Engineering und Produkt reagieren können
Compliance für sensible Daten (PII / PHI / CII / Finanzen)
- Entwerfen, trainieren und bewerten Sie ML-Modelle (NER und andere Ansätze), die sensible Entitäten in text- und bildbasierten Dokumenten wie Scans, Rechnungen und Präsentationen erkennen
- Erstellen Sie Ersetzungs-Pipelines, die erkannte Entitäten durch kohärente Alternativen ersetzen, sodass dieselbe Entität immer auf dieselbe Ersetzung über jede Datei in einem Korpus abgebildet wird und die Daten nützlich bleiben
- Führen Sie diese Algorithmen über große Datenmengen aus, um sie für den nachgelagerten Aufbau von Agentenaufgaben vorzubereiten
- Erstellen Sie adversale Testdatensätze für die De-Identifizierung über alle sensiblen Datenklassen hinweg: Randfälle, verschleierte Identifikatoren, mehrsprachige Entitäten, OCR-Rauschen und Formate, die darauf ausgelegt sind, Detektoren zu umgehen
- Behandeln Sie speziell unternehmensidentifizierbare Informationen – Organisationsnamen und Aliase, Domänen und E-Mail-Muster, interne Projekt- und Systemnamen, Organigramme, Anbieter- und Partnerbeziehungen, Vertragsbedingungen und jede Kombination von Details, die das Quellunternehmen wieder identifizieren könnten
- Behandeln Sie Finanzdaten – Konto- und Bankleitzahlen, Kartennummern, Umsatz- und Preisangaben, Transaktionsdatensätze, Steueridentifikationsnummern und Finanzberichte
- Messen und berichten Sie die Leistung der De-Identifizierung nach Datenklasse – Präzision und Recall auf Entitätsebene, Leckraten, False-Negative-Audits und Konsistenz der Ersetzung
- Implementieren Sie Regressions-Gates in CI/CD, sodass keine Pipeline-Änderung ausgeliefert wird, ohne die Datenqualitäts- und Sensitivitätsdatenprüfungen bestanden zu haben
- Führen Sie stichprobenbasierte Human-in-the-Loop-Audits durch und pflegen Sie die Audit-Trail als Compliance-Nachweis
- Arbeiten Sie mit dem Engineering-Team bei der Ursachenanalyse zusammen, wenn Inkonsistenzen oder Lecks gefunden werden, und treiben Sie Korrekturen bis zum Abschluss voran
Mindestanforderungen
Was wir suchen
- Etwa 4 bis 5 Jahre praktische machine learning-Erfahrung, mit ML als Ihrem primären Hintergrund
- Starke Python-Kenntnisse für ML-Entwicklung und Datenvalidierung (pytest, Great Expectations, Pandera oder ähnliches)
- Solide SQL-Kenntnisse und Erfahrung in der Validierung von Daten über Pipeline-Stufen hinweg
- Vertrautheit mit Kategorien sensibler Daten und den relevanten Standards – HIPAA Safe Harbor für PHI, GDPR/LGPD für PII, PCI DSS für Karteninhaberdaten und Vertraulichkeits-/NDA-Verpflichtungen für Unternehmensinformationen
- Erfahrung im Aufbau und Testen von NER- oder anderen ML-basierten Erkennungssystemen: Erstellung von gelabelten Evaluationsdatensätzen, Berechnung von Präzision/Recall, Umgang mit Nicht-Determinismus
- Verständnis des Re-Identifizierungsrisikos – wie scheinbar unbedeutende Details kombiniert werden können, um eine Organisation oder Einzelperson zu enthüllen
- Komfort mit Mehrdeutigkeit und einem sich schnell entwickelnden Umfeld
- Ein skeptischer, detailorientierter Ansatz – Sie gehen davon aus, dass Dinge kaputt sind, bis Sie das Gegenteil bewiesen haben
Nice to have
- Computer Vision und OCR-Erfahrung, insbesondere im Aufbau, Skalieren und Bewerten von Dokumenten-Pipelines für Verträge, Berichte, Rechnungen, Präsentationen und interne Dokumente
- Praktische Erfahrung mit Finanz- oder Gesundheitsdaten, einschließlich der spezifischen Datenschutzanforderungen dieser Branchen
- Startup-Erfahrung
- Auditing von LLM oder VLM-Ausgaben
- Generierung synthetischer sensibler Daten (PII, PHI, Unternehmens- und Finanzdaten)
- Vertrautheit mit dem GCP Datenstack (BigQuery, GCS, Cloud Run Jobs) und CI/CD-Integration
- Erfahrung im Umgang mit Multi-Tenant-Unternehmensdaten mit strengen Vertraulichkeitsanforderungen für Kunden
- Compliance-Berichterstattung oder Zusammenarbeit mit Auditoren
Vorteile einer Anstellung bei Turing
- Arbeiten Sie an der Spitze der KI und helfen Sie den weltweit führenden KI-Laboren, ihre fortschrittlichsten Modelle durch den Aufbau von Experten-Datensätzen, RL-Umgebungen und einzigartigen Benchmarks zu verbessern.
- Tragen Sie zu Spitzenforschung im Bereich KI bei und präsentieren Sie Ihre Arbeit auf Top-Konferenzen wie ICLR, ICML und NeurIPS.
- Bringen Sie Spitzen-KI-Innovationen in Unternehmen ein und wenden Sie die Erkenntnisse aus führenden KI-Laboren an, um reale geschäftliche Herausforderungen zu lösen.
- Arbeiten Sie mit außergewöhnlichen Kollegen mit tiefgreifender KI-Erfahrung von Google, Meta, Amazon und anderen führenden Technologieunternehmen zusammen und lernen Sie von ihnen.
- Bewegen Sie sich im Tempo der KI-Innovation, mit der Geschwindigkeit, Eigenverantwortung und Wirkung eines Startups.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen