Brasil
Pentera
Turing
Machine Learning / Engenheiro(a) de Dados
Brasil
São Paulo, São Paulo, Brazil · Colombia, Huila, Colombia
PythonSQLGCP
Tradução automática. Consulte o original.
Sobre a Turing
A missão da Turing é acelerar a superinteligência para impulsionar o progresso econômico real. Com sede em São Francisco, a Turing trabalha com laboratórios de IA de ponta para gerar conjuntos de dados de alta qualidade, ambientes de aprendizado por reforço e benchmarks de pesquisa de ponta que melhoram as capacidades dos modelos em engenharia de software, trabalho de conhecimento empresarial e raciocínio avançado em STEM. Em engenharia de software, a Turing é o maior e mais antigo provedor de dados na categoria. A Turing também trabalha com empresas Fortune 500 em serviços financeiros, ciências da vida, saúde, varejo, automotivo e CPG para construir e implantar sistemas de IA agentivos de ponta a ponta em fluxos de trabalho críticos. Ao operar em ambos os lados, a Turing fecha o ciclo entre pesquisa de ponta e implantação empresarial, transformando sinais de implantação do mundo real em melhores dados, avaliações e modelos mais capazes. Saiba mais em turing.com.
Engenheiro(a) Sênior de ML e Dados — Qualidade de Dados e Conformidade de Dados Sensíveis
Sobre a função
Os fluxos de dados corporativos passam por nossos conectores, são processados e passam por uma camada de sanitização antes que qualquer coisa a jusante os toque. Duas coisas precisam ser verdadeiras em cada etapa: os dados são o que pensamos que são, e nenhuma informação sensível — PII, PHI, informações identificáveis da empresa (CII) ou dados financeiros — passa. Você será responsável por ambos. Você fará isso principalmente construindo o machine learning que detecta entidades sensíveis em dados de texto e imagem e as substitui consistentemente em escala.
Esta é uma função de engenharia IC prática com uma mentalidade de QA. Você construirá os modelos de detecção, a infraestrutura de validação, os conjuntos de testes adversariais e os processos de auditoria que nos permitem fazer fortes afirmações sobre a qualidade dos dados e o desempenho da desidentificação — e apoiá-las com evidências. Você trabalhará em estreita colaboração com um líder sênior de ML, sem responsabilidades de contato com o cliente.
Esta é uma função remota em tempo integral baseada no Brasil ou na Colômbia.
Por que esta função é importante
Nossos clientes corporativos confiam em nós com seus dados sob a condição de que eles nunca possam ser rastreados até eles. Todos os modelos, painéis e compromissos de clientes a jusante dependem de os dados estarem limpos e da camada de sanitização ser à prova de falhas. Quando você encontra um vazamento, você evitou um incidente. Quando você prova que não há nenhum, você ganhou a confiança que permite que o resto da empresa avance rapidamente.
Valores
- Somos focados no cliente: Colocamos nossos clientes no centro de tudo o que fazemos, porque o sucesso deles é a medida final do nosso valor.
- Trabalhamos em Velocidade de Startup: Agimos rápido, permanecemos ágeis e favorecemos a ação porque o momentum é a base da perfeição
- Somos orientados por IA: Ajudamos nossos clientes a construir o futuro da IA e o implementamos em nossas próprias funções e fluxos de trabalho para ampliar a produtividade.
A Turing tem orgulho de ser um empregador que oferece igualdade de oportunidades. Não discriminamos com base em raça, religião, cor, origem nacional, gênero, identidade de gênero, orientação sexual, idade, estado civil, deficiência, status de veterano protegido ou quaisquer outras características legalmente protegidas. Na Turing, dedicamo-nos a construir um local de trabalho diversificado, inclusivo e autêntico e celebramos a autenticidade, portanto, se você está animado com esta função, mas sua experiência passada não se alinha perfeitamente com todas as qualificações na descrição do trabalho, encorajamos você a se candidatar mesmo assim. Você pode ser o candidato certo para esta ou outras funções.
Para candidatos da União Europeia, revise o aviso GDPR da Turing aqui.
O que você fará
Qualidade de Dados
- Realizar análises aprofundadas dos dados corporativos para avaliar a qualidade: coerência de tópicos entre conectores, profundidade de domínio dentro dos conectores, completude e consistência
- Projetar e automatizar suítes de validação para pipelines de dados — verificações de esquema, completude, detecção de desvios e reconciliação entre estágios de processamento bruto → processado → sanitizado
- Identificar e caracterizar problemas de qualidade de maneiras que engenharia e produto possam agir
Conformidade de dados sensíveis (PII / PHI / CII / financeiro)
- Projetar, treinar e avaliar modelos de ML (NER e outras abordagens) que detectam entidades sensíveis em documentos baseados em texto e imagem, como digitalizações, faturas e apresentações
- Construir pipelines de substituição que substituem entidades detectadas por alternativas coerentes, para que a mesma entidade sempre mapeie para a mesma substituição em cada arquivo de um corpus e os dados permaneçam úteis
- Executar esses algoritmos em grandes volumes de dados para prepará-los para a construção de tarefas agentivas a jusante
- Construir conjuntos de testes adversariais para desidentificação em todas as classes de dados sensíveis: casos extremos, identificadores ofuscados, entidades multilíngues, ruído de OCR e formatos projetados para passar despercebidos pelos detectores
- Cobrir especificamente informações identificáveis da empresa — nomes e aliases de organizações, domínios e padrões de e-mail, nomes de projetos e sistemas internos, organogramas, relacionamentos com fornecedores e parceiros, termos de contrato e qualquer combinação de detalhes que possa reidentificar a empresa de origem
- Cobrir dados financeiros — números de conta e de roteamento, números de cartão, valores de receita e preços, registros de transações, IDs fiscais e demonstrações financeiras
- Medir e relatar o desempenho da desidentificação por classe de dados — precisão e recall em nível de entidade, taxas de vazamento, auditorias de falsos negativos e consistência de substituição
- Implementar portões de regressão em CI/CD para que nenhuma alteração de pipeline seja enviada sem passar pelas verificações de qualidade de dados e dados sensíveis
- Realizar auditorias baseadas em amostragem com loop humano e manter o rastro de auditoria como evidência de conformidade
- Parceria com a engenharia para análise de causa raiz quando inconsistências ou vazamentos são encontrados, e conduzir correções até a conclusão
Requisitos mínimos
O que estamos procurando
- Cerca de 4 a 5 anos de experiência prática em machine learning, com ML como seu principal histórico
- Forte Python para desenvolvimento de ML e validação de dados (pytest, Great Expectations, Pandera ou similar)
- Sólido SQL e experiência na validação de dados entre estágios de pipeline
- Familiaridade com categorias de dados sensíveis e os padrões relevantes — HIPAA Safe Harbor para PHI, GDPR/LGPD para PII, PCI DSS para dados de portador de cartão e obrigações de confidencialidade/NDA para informações da empresa
- Experiência na construção e teste de sistemas de detecção baseados em ML (NER ou outros): construção de conjuntos de avaliação rotulados, cálculo de precisão/recall, tratamento de não determinismo
- Compreensão do risco de reidentificação — como detalhes aparentemente inócuos se combinam para revelar uma organização ou indivíduo
- Conforto com ambiguidade e um ambiente de rápida movimentação
- Uma abordagem cética e orientada a detalhes — você assume que as coisas estão quebradas até que você prove o contrário
Diferenciais
- Experiência em visão computacional e OCR, especialmente na construção, dimensionamento e avaliação de pipelines de documentos para contratos, demonstrações, faturas, apresentações e documentos internos
- Experiência prática com dados financeiros ou de saúde, incluindo os requisitos de privacidade específicos dessas indústrias
- Experiência em startups
- Auditoria de saídas LLM ou VLM
- Geração sintética de dados sensíveis (PII, PHI, registros corporativos e financeiros)
- Familiaridade com a pilha de dados GCP (BigQuery, GCS, trabalhos Cloud Run) e integração CI/CD
- Experiência no manuseio de dados corporativos multilocatários com rigorosos requisitos de confidencialidade do cliente
- Relatórios de conformidade ou trabalho com auditores
Vantagens de ingressar na Turing
- Trabalhe na vanguarda da IA, ajudando os principais laboratórios de IA do mundo a aprimorar seus modelos mais avançados, construindo conjuntos de dados especializados, ambientes de RL e benchmarks pioneiros.
- Contribua para pesquisas de IA de ponta e mostre seu trabalho em conferências de ponta como ICLR, ICML e NeurIPS.
- Traga inovação de IA de ponta para o mundo corporativo, aplicando lições aprendidas com os principais laboratórios de IA para resolver desafios de negócios do mundo real.
- Colabore e aprenda com colegas excepcionais com profunda experiência em IA do Google, Meta, Amazon e outras empresas de tecnologia líderes.
- Mova-se no ritmo da inovação em IA, com a velocidade, propriedade e impacto de uma startup.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil