Brasil
Pentera
Turing
Machine Learning / Ingeniero de Datos
Brasil
São Paulo, São Paulo, Brazil · Colombia, Huila, Colombia
PythonSQLGCP
Traducción automática. Consulta el original.
Acerca de Turing
La misión de Turing es acelerar la superinteligencia para impulsar el progreso económico real. Con sede en San Francisco, Turing trabaja con laboratorios de IA de vanguardia para generar conjuntos de datos de alta calidad, entornos de aprendizaje por refuerzo y puntos de referencia de investigación de vanguardia que mejoran las capacidades de los modelos en ingeniería de software, trabajo de conocimiento empresarial y razonamiento STEM avanzado. En ingeniería de software, Turing es el proveedor de datos más grande y de mayor duración en la categoría. Turing también trabaja con empresas Fortune 500 en servicios financieros, ciencias de la vida, atención médica, comercio minorista, automoción y CPG para construir e implementar sistemas de IA agenticos de extremo a extremo dentro de flujos de trabajo críticos. Al operar en ambos lados, Turing cierra el ciclo entre la investigación de vanguardia y la implementación empresarial, convirtiendo las señales de implementación del mundo real en mejores datos, evaluaciones y modelos más capaces. Obtenga más información en turing.com.
Ingeniero Senior de ML y Datos — Calidad de Datos y Cumplimiento de Datos Sensibles
Sobre el puesto
Los datos empresariales fluyen a través de nuestros conectores, se procesan y pasan por una capa de saneamiento antes de que cualquier cosa posterior los toque. Dos cosas deben ser ciertas en cada paso: los datos son lo que creemos que son, y ninguna información sensible — PII, PHI, información identificable de la empresa (CII) o datos financieros — se filtra. Tú serás responsable de ambas. Lo harás principalmente construyendo el machine learning que detecta entidades sensibles en datos de texto e imagen y las reemplaza de manera consistente a escala.
Este es un puesto de ingeniería IC práctico con una mentalidad de QA. Construirás los modelos de detección, la infraestructura de validación, los conjuntos de pruebas adversarias y los procesos de auditoría que nos permitirán hacer afirmaciones sólidas sobre la calidad de los datos y el rendimiento de la desidentificación, y respaldarlas con evidencia. Trabajarás en estrecha colaboración con un líder senior de ML, sin responsabilidades de cara al cliente.
Este es un puesto remoto a tiempo completo basado en Brasil o Colombia.
Por qué este puesto es importante
Nuestros clientes empresariales confían en nosotros con sus datos bajo la condición de que nunca puedan ser rastreados hasta ellos. Cada modelo posterior, panel de control y compromiso del cliente depende de que los datos estén limpios y la capa de saneamiento sea hermética. Cuando encuentras una fuga, has evitado un incidente. Cuando demuestras que no hay ninguna, te has ganado la confianza que permite al resto de la empresa avanzar rápidamente.
Valores
- Somos orientados al cliente: Ponemos a nuestros clientes en el centro de todo lo que hacemos, porque su éxito es la medida definitiva de nuestro valor.
- Trabajamos a Velocidad de Startup: Nos movemos rápido, nos mantenemos ágiles y favorecemos la acción porque el impulso es la base de la perfección.
- Somos AI forward: Ayudamos a nuestros clientes a construir el futuro de la IA y lo implementamos en nuestros propios roles y flujos de trabajo para amplificar la productividad.
Turing se enorgullece de ser un empleador que ofrece igualdad de oportunidades. No discriminamos por motivos de raza, religión, color, origen nacional, género, identidad de género, orientación sexual, edad, estado civil, discapacidad, condición de veterano protegido o cualquier otra característica legalmente protegida. En Turing estamos dedicados a construir un lugar de trabajo diverso, inclusivo y auténtico y celebramos la autenticidad, por lo que si te entusiasma este puesto pero tu experiencia pasada no se alinea perfectamente con cada calificación en la descripción del trabajo, te animamos a que apliques de todos modos. Puede que seas el candidato adecuado para este u otros puestos.
Para solicitantes de la Unión Europea, revise el aviso GDPR de Turing aquí.
Lo que harás
Calidad de Datos
- Realizar análisis profundos de los datos empresariales para evaluar la calidad: coherencia temática entre conectores, profundidad de dominio dentro de conectores, completitud y consistencia.
- Diseñar y automatizar suites de validación para canalizaciones de datos: comprobaciones de esquemas, completitud, detección de deriva y reconciliación entre etapas raw → procesado → saneado.
- Identificar y caracterizar problemas de calidad de maneras que el equipo de ingeniería y producto puedan actuar.
Cumplimiento de datos sensibles (PII / PHI / CII / financieros)
- Diseñar, entrenar y evaluar modelos de ML (NER y otros enfoques) que detecten entidades sensibles en documentos basados en texto e imagen, como escaneos, facturas y presentaciones.
- Construir canalizaciones de reemplazo que sustituyan las entidades detectadas por alternativas coherentes, de modo que la misma entidad siempre se mapee a la misma sustitución en cada archivo de un corpus y los datos permanezcan útiles.
- Ejecutar estos algoritmos sobre grandes volúmenes de datos para prepararlos para la construcción de tareas agenticas posteriores.
- Construir conjuntos de pruebas adversarias para la desidentificación en todas las clases de datos sensibles: casos extremos, identificadores ofuscados, entidades multilingües, ruido OCR y formatos diseñados para evadir los detectores.
- Cubrir específicamente la información identificable de la empresa: nombres y alias de organizaciones, dominios y patrones de correo electrónico, nombres de proyectos y sistemas internos, organigramas, relaciones con proveedores y socios, términos de contratos y cualquier combinación de detalles que puedan reidentificar la empresa de origen.
- Cubrir datos financieros: números de cuenta y de ruta, números de tarjeta, cifras de ingresos y precios, registros de transacciones, identificadores fiscales y estados financieros.
- Medir y reportar el rendimiento de la desidentificación por clase de datos: precisión y recall a nivel de entidad, tasas de fuga, auditorías de falsos negativos y consistencia de reemplazo.
- Implementar puertas de regresión en CI/CD para que ningún cambio en la canalización se envíe sin pasar las comprobaciones de calidad de datos y datos sensibles.
- Realizar auditorías de bucle cerrado basadas en muestreo y mantener el rastro de auditoría como evidencia de cumplimiento.
- Asociarse con ingeniería para el análisis de causa raíz cuando se encuentren inconsistencias o fugas, y llevar las correcciones a su finalización.
Requisitos mínimos
Lo que buscamos
- Aproximadamente 4 a 5 años de experiencia práctica en machine learning, con ML como tu principal formación.
- Sólido conocimiento de Python para el desarrollo de ML y la validación de datos (pytest, Great Expectations, Pandera o similar).
- Sólido conocimiento de SQL y experiencia validando datos a través de etapas de canalización.
- Familiaridad con las categorías de datos sensibles y los estándares relevantes: HIPAA Safe Harbor para PHI, GDPR/LGPD para PII, PCI DSS para datos de titulares de tarjetas y obligaciones de confidencialidad/NDA para información de la empresa.
- Experiencia en la construcción y prueba de sistemas de detección basados en ML o NER: construcción de conjuntos de evaluación etiquetados, cálculo de precisión/recall, manejo de no determinismo.
- Comprensión del riesgo de reidentificación: cómo detalles aparentemente inocuos se combinan para revelar una organización o individuo.
- Comodidad con la ambigüedad y un entorno de ritmo rápido.
- Un enfoque escéptico y detallado: asumes que las cosas están rotas hasta que hayas demostrado lo contrario.
Agradable tener
- Experiencia en visión por computadora y OCR, especialmente en la construcción, escalado y evaluación de canalizaciones de documentos para contratos, estados de cuenta, facturas, presentaciones y documentos internos.
- Experiencia práctica con datos financieros o de atención médica, incluidos los requisitos de privacidad específicos de esas industrias.
- Experiencia en startups.
- Auditoría de salidas de LLM o VLM.
- Generación de datos sensibles sintéticos (PII, PHI, registros de empresas y financieros).
- Familiaridad con la pila de datos de GCP (BigQuery, GCS, trabajos de Cloud Run) e integración con CI/CD.
- Experiencia en el manejo de datos empresariales multitenant con estrictos requisitos de confidencialidad del cliente.
- Informes de cumplimiento o trabajo con auditores.
Ventajas de unirse a Turing
- Trabaja en la vanguardia de la IA, ayudando a los laboratorios de IA líderes en el mundo a mejorar sus modelos más avanzados mediante la creación de conjuntos de datos expertos, entornos de RL y puntos de referencia pioneros.
- Contribuye a la investigación de IA de vanguardia y muestra tu trabajo en conferencias importantes como ICLR, ICML y NeurIPS.
- Aporta innovación de IA de vanguardia a la empresa, aplicando las lecciones aprendidas de los laboratorios de IA líderes para resolver desafíos empresariales del mundo real.
- Colabora y aprende de colegas excepcionales con una profunda experiencia en IA de Google, Meta, Amazon y otras empresas tecnológicas líderes.
- Muévete al ritmo de la innovación en IA, con la velocidad, la propiedad y el impacto de una startup.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil