Über die Stelle
Über Turing Turing ist eines der weltweit führenden AGI-Infrastrukturunternehmen und arbeitet mit KI-Spitzenlaboren zusammen, um die Modellentwicklung durch hochwertige Trainingsdaten, Evaluierungen und Engineering-Talente zu beschleunigen.
Details zum Einsatz
- Erforderlicher Einsatz: Mindestens 6 Stunden pro Tag und mindestens 40 Stunden pro Woche, mit einer Überschneidung von 4 Stunden mit PST.
- Beschäftigungsart: Auftragnehmer-Einsatz (kein Anspruch auf Krankheits- oder bezahlten Urlaub)
- Vertragsdauer: 5 Wochen (voraussichtlicher Starttermin ist nächste Woche)
Über die Rolle Wir suchen eine erfahrene Expertin bzw. einen erfahrenen Experten der Biowissenschaften oder der Medizin, die bzw. der ein Pod von Trainern leitet, das realistische, terminalbasierte wissenschaftliche und technische Aufgaben für Terminal Bench Science erstellt. Sie prüfen jede von Ihren Trainern erstellte Aufgabe auf wissenschaftliche Korrektheit, Reproduzierbarkeit, Datenkonformität und Zuverlässigkeit der Grader und coachen die Trainer, damit sie durchgängig hochwertige, anspruchsvolle Aufgaben liefern. Wichtigste Aufgaben
- Durchgängige Prüfung der Trainer-Aufgaben, einschließlich Aufgabenstellungen, biologischer und klinischer Datensätze, Referenzdateien, Pipelines, Umgebungen, Referenzlösungen und automatisierter Tests.
- Überprüfung, dass die Aufgaben authentische Forschungs- oder klinische Analyseabläufe widerspiegeln und echtes mehrstufiges wissenschaftliches Schlussfolgern erfordern.
- Kontrolle, dass Werkzeuge, Referenzgenome, Annotationsversionen, Datenbanken und Abhängigkeiten festgeschrieben (gepinnt) sind und die Pipelines reproduzierbar sind.
- Validierung der wissenschaftlichen Korrektheit, einschließlich Genom-Builds, Koordinatenkonventionen, Normalisierung, Umgang mit Batch-Effekten, statistischer Annahmen, Korrektur für multiples Testen, Einheiten, Dosierungskonventionen, Bildorientierung und -abstand sowie Kontrolle des Zufallsstartwerts (Random Seed).
- Sicherstellung, dass die Grader inhaltliche Ergebnisse wie Variant Calls, Ergebnisse der differenziellen Expression, Cluster-Zuordnungen, Bindungs- oder Strukturmetriken, Überlebensschätzungen, Modellleistung, Segmentierungsgenauigkeit und pharmakokinetische Parameter überprüfen und nicht die Formatierung.
- Sicherstellung, dass Toleranzen legitime stochastische und numerische Schwankungen berücksichtigen, ohne fehlerhafte Analysen zu akzeptieren.
- Sicherstellung, dass die Aufgaben nicht durch fest codierte Ausgaben, das Auslesen von Testdateien oder das Umgehen der vorgesehenen Analyse ausgetrickst werden können.
- Bestätigung, dass alle Daten synthetisch, öffentlich, angemessen lizenziert und de-identifiziert sind und keine geschützten Gesundheitsinformationen oder zugangsbeschränkten Daten enthalten.
- Prüfung der Aufgaben auf Biosicherheits- und Dual-Use-Bedenken.
- Eskalation von Inhalten, die gefährliche Krankheitserreger, Toxine oder die Verstärkung schädlicher biologischer Fähigkeiten betreffen.
- Klare, umsetzbare schriftliche Rückmeldungen und Nachverfolgung der Überarbeitungen bis zum Abschluss.
- Einarbeitung und Betreuung der Trainer.
- Verteilung der Arbeit, Verfolgung von Qualität und Durchsatz und Eskalation von Blockaden.
- Pflege der Pod-Dokumentation zu Richtlinien, wiederkehrenden Problemen und vorbildlichen Aufgaben.
Aufwand auswählenGPT-5.6 LunaMittelKeinMinimalLeichtMittelHochExtra HochMaxUltraBeständig
Um ein verschiebbares Element aufzunehmen, drücken Sie die Leertaste. Verwenden Sie beim Ziehen die Pfeiltasten, um das Element zu bewegen. Drücken Sie erneut die Leertaste, um das Element an seiner neuen Position abzulegen, oder drücken Sie die Escape-Taste, um abzubrechen.
Erforderliche Qualifikationen
- Ph.D., M.D., M.D.-Ph.D., Postdoc-Erfahrung oder gleichwertige fortgeschrittene Erfahrung in einem Fachgebiet der Biowissenschaften, der Biomedizin oder der Medizin mit einem wesentlichen rechnerischen Anteil.
- Fundierte Programmierkenntnisse in Python oder R sowie Bash, mit sicherem Umgang mit Linux und dem Terminal.
- Praktische Erfahrung mit Bioinformatik-Pipelines, Computational Biology, Biostatistik, Analyse medizinischer Bildgebung oder Analyse klinischer Daten.
- Fundiertes Verständnis von Versuchsplanung, statistischer Inferenz und Reproduzierbarkeit in der biomedizinischen Forschung.
- Nachgewiesene Erfahrung in der Prüfung von Code, Analysen, Manuskripten oder Forschungsergebnissen.
- Erfahrung in der Betreuung oder Leitung kleiner technischer oder Forschungsteams.
- Ausgezeichnete schriftliche Kommunikationsfähigkeiten, um präzise, konstruktive Rückmeldungen zu geben.
Bevorzugte Qualifikationen
- Vertrautheit mit Werkzeugen wie samtools, bcftools, GATK, BWA, STAR, Salmon, DESeq2, edgeR, Seurat, Scanpy, Biopython, Bioconductor, Nextflow oder Snakemake.
- Vertrautheit mit RDKit, OpenMM, GROMACS, AutoDock Vina, PyMOL oder den Strukturwerkzeugen von Biopython.
- Vertrautheit mit medizinischer Bildgebung und klinischen Werkzeugen wie pydicom, nibabel, SimpleITK, MONAI, FSL, lifelines, statsmodels oder FHIR-Datenformaten.
- Vertrautheit mit Docker, Conda, Git, CI-Systemen, automatisiertem Testen und HPC-Umgebungen.
- Erfahrung im Entwurf von Benchmarks, Analyseaufgaben oder rechnerischen Evaluierungen.
Zusätzliche Pluspunkte
- Erfahrung in der Bewertung von KI-Coding- oder Terminal-Agenten.
- Erfahrung mit Data Governance, IRB-Verfahren oder Biosicherheitsprüfungen.
- Branchenerfahrung in Biotechnologie, Pharma, klinischer Forschung oder Gesundheitstechnologie.
- Publikationen oder Open-Source-Beiträge in Computational Biology, Bioinformatik oder biomedizinischer Informatik.
- Frühere Erfahrung in Programmen zum KI-Training oder zur KI-Evaluierung.