Brésil
C6 Bank
Turing
Machine Learning / Data Engineer
Brésil
São Paulo, São Paulo, Brazil · Colombia, Huila, Colombia
PythonSQLGCP
Traduction automatique. Consultez l’original.
À propos de Turing
La mission de Turing est d'accélérer la superintelligence pour stimuler le progrès économique réel. Basé à San Francisco, Turing travaille avec des laboratoires d'IA de pointe pour générer des ensembles de données de haute qualité, des environnements d'apprentissage par renforcement et des benchmarks de recherche de pointe qui améliorent les capacités des modèles dans le génie logiciel, le travail de connaissance en entreprise et le raisonnement avancé en STEM. Dans le domaine du génie logiciel, Turing est le plus grand et le plus ancien fournisseur de données de la catégorie. Turing travaille également avec des entreprises du Fortune 500 dans les services financiers, les sciences de la vie, la santé, la vente au détail, l'automobile et les biens de consommation pour construire et déployer des systèmes d'IA agentiques de bout en bout dans des flux de travail critiques. En opérant des deux côtés, Turing boucle la boucle entre la recherche de pointe et le déploiement en entreprise, transformant les signaux de déploiement du monde réel en meilleures données, évaluations et modèles plus performants. En savoir plus sur turing.com.
Ingénieur ML & Data Senior — Qualité des données et conformité des données sensibles
À propos du poste
Les flux de données d'entreprise passent par nos connecteurs, sont traités et traversent une couche de sanitisation avant que quoi que ce soit en aval ne les touche. Deux choses doivent être vraies à chaque étape : les données sont ce que nous pensons qu'elles sont, et aucune information sensible — PII, PHI, informations identifiables de l'entreprise (CII) ou données financières — ne passe. Vous serez responsable des deux. Vous le ferez principalement en construisant le machine learning qui détecte les entités sensibles dans les données textuelles et d'image et les remplace de manière cohérente à grande échelle.
Il s'agit d'un poste d'ingénieur IC pratique avec un état d'esprit QA. Vous construirez les modèles de détection, l'infrastructure de validation, les ensembles de tests contradictoires et les processus d'audit qui nous permettront de faire des affirmations solides sur la qualité des données et les performances de désidentification — et de les étayer par des preuves. Vous travaillerez en étroite collaboration avec un responsable ML senior, sans responsabilités de contact client.
Il s'agit d'un poste à temps plein à distance basé au Brésil ou en Colombie.
Pourquoi ce poste est important
Nos clients d'entreprise nous font confiance avec leurs données à condition qu'elles ne puissent jamais être retracées jusqu'à eux. Chaque modèle en aval, tableau de bord et engagement client dépend de la propreté des données et de l'étanchéité de la couche de sanitisation. Lorsque vous trouvez une fuite, vous avez évité un incident. Lorsque vous prouvez qu'il n'y en a pas, vous avez gagné la confiance qui permet au reste de l'entreprise d'avancer rapidement.
Valeurs
- Nous sommes axés sur le client : Nous plaçons nos clients au centre de tout ce que nous faisons, car leur succès est la mesure ultime de notre valeur.
- Nous travaillons à la vitesse d'une startup : Nous avançons rapidement, restons agiles et privilégions l'action car l'élan est le fondement de la perfection.
- Nous sommes tournés vers l'IA : Nous aidons nos clients à construire l'avenir de l'IA et l'implémentons dans nos propres rôles et flux de travail pour amplifier la productivité.
Turing est fier d'être un employeur garantissant l'égalité des chances. Nous ne faisons aucune discrimination fondée sur la race, la religion, la couleur, l'origine nationale, le sexe, l'identité de genre, l'orientation sexuelle, l'âge, l'état civil, le handicap, le statut d'ancien combattant protégé ou toute autre caractéristique légalement protégée. Chez Turing, nous nous engageons à construire un lieu de travail diversifié, inclusif et authentique et nous célébrons l'authenticité, donc si ce poste vous intéresse mais que votre expérience passée ne correspond pas parfaitement à toutes les qualifications de la description du poste, nous vous encourageons à postuler quand même. Vous pourriez être le bon candidat pour ce poste ou d'autres.
Pour les candidats de l'Union européenne, veuillez consulter l'avis GDPR de Turing ici.
Ce que vous ferez
Qualité des données
- Effectuer des analyses approfondies des données d'entreprise pour évaluer la qualité : cohérence thématique entre les connecteurs, profondeur du domaine au sein des connecteurs, complétude et cohérence
- Concevoir et automatiser des suites de validation pour les pipelines de données — vérifications de schéma, complétude, détection de dérive et réconciliation entre les étapes brut → traité → assaini
- Identifier et caractériser les problèmes de qualité de manière à ce que l'ingénierie et le produit puissent agir
Conformité des données sensibles (PII / PHI / CII / financières)
- Concevoir, entraîner et évaluer des modèles ML (NER et autres approches) qui détectent les entités sensibles dans les documents textuels et basés sur des images tels que les scans, les factures et les présentations
- Construire des pipelines de remplacement qui substituent les entités détectées par des alternatives cohérentes, de sorte que la même entité corresponde toujours au même remplacement dans chaque fichier d'un corpus et que les données restent utiles
- Exécuter ces algorithmes sur de grands volumes de données pour les préparer à la construction de tâches agentiques en aval
- Construire des ensembles de tests contradictoires pour la désidentification sur toutes les classes de données sensibles : cas limites, identifiants obfusqués, entités multilingues, bruit OCR et formats conçus pour échapper aux détecteurs
- Couvrir spécifiquement les informations identifiables de l'entreprise — noms et alias d'organisation, domaines et modèles d'e-mail, noms de projets et de systèmes internes, organigrammes, relations fournisseurs et partenaires, termes de contrat, et toute combinaison de détails qui pourrait ré-identifier l'entreprise source
- Couvrir les données financières — numéros de compte et de routage, numéros de carte, chiffres de revenus et de prix, enregistrements de transactions, identifiants fiscaux et états financiers
- Mesurer et rapporter les performances de désidentification par classe de données — précision et rappel au niveau des entités, taux de fuite, audits de faux négatifs et cohérence des remplacements
- Implémenter des portes de régression dans CI/CD afin qu'aucun changement de pipeline ne soit expédié sans passer les contrôles de qualité des données et de données sensibles
- Exécuter des audits basés sur des échantillons avec intervention humaine et maintenir la piste d'audit comme preuve de conformité
- Collaborer avec l'ingénierie pour l'analyse des causes profondes lorsque des incohérences ou des fuites sont trouvées, et mener les corrections à terme
Prérequis
Ce que nous recherchons
- Environ 4 à 5 ans d'expérience pratique en machine learning, avec le ML comme principal domaine d'expertise
- Solide Python pour le développement ML et la validation de données (pytest, Great Expectations, Pandera ou similaire)
- Solide SQL et expérience dans la validation de données à travers les étapes du pipeline
- Familiarité avec les catégories de données sensibles et les normes pertinentes — HIPAA Safe Harbor pour les PHI, GDPR/LGPD pour les PII, PCI DSS pour les données de titulaire de carte, et obligations de confidentialité/NDA pour les informations de l'entreprise
- Expérience dans la construction et le test de systèmes de détection ML basés sur NER ou autres : construction d'ensembles d'évaluation étiquetés, calcul de précision/rappel, gestion du non-déterminisme
- Compréhension du risque de ré-identification — comment des détails apparemment anodins se combinent pour révéler une organisation ou un individu
- Confort avec l'ambiguïté et un environnement en évolution rapide
- Une approche sceptique et axée sur les détails — vous supposez que les choses sont cassées jusqu'à ce que vous ayez prouvé le contraire
Atouts
- Expérience en vision par ordinateur et OCR, en particulier dans la construction, la mise à l'échelle et l'évaluation de pipelines de documents pour les contrats, les relevés, les factures, les présentations et les documents internes
- Expérience pratique avec les données financières ou de santé, y compris les exigences de confidentialité spécifiques à ces industries
- Expérience en startup
- Audit des sorties LLM ou VLM
- Génération de données sensibles synthétiques (PII, PHI, enregistrements d'entreprise et financiers)
- Familiarité avec la pile de données GCP (BigQuery, GCS, jobs Cloud Run) et l'intégration CI/CD
- Expérience dans la gestion de données d'entreprise multi-locataires avec des exigences strictes de confidentialité client
- Rapports de conformité ou travail avec des auditeurs
Avantages de rejoindre Turing
- Travaillez à la pointe de l'IA, en aidant les meilleurs laboratoires d'IA du monde à améliorer leurs modèles les plus avancés en construisant des ensembles de données experts, des environnements RL et des benchmarks uniques.
- Contribuez à la recherche d'IA de pointe et présentez votre travail dans des conférences de premier plan telles que ICLR, ICML et NeurIPS.
- Apportez l'innovation de l'IA de pointe à l'entreprise, en appliquant les leçons apprises des meilleurs laboratoires d'IA pour résoudre des défis commerciaux concrets.
- Collaborez et apprenez de collègues exceptionnels ayant une profonde expérience en IA de Google, Meta, Amazon et d'autres entreprises technologiques de premier plan.
- Avancez au rythme de l'innovation en IA, avec la vitesse, la propriété et l'impact d'une startup.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil
