Über die Stelle
Über Turing
Turing ist eines der weltweit führenden AGI-Infrastrukturunternehmen und arbeitet mit Frontier-KI-Labors zusammen, um die Modellentwicklung durch hochwertige Trainingsdaten, Evaluierungen und Engineering-Talente zu beschleunigen.
Details zur Zusammenarbeit
- Erforderlicher Zeitaufwand: Mindestens 6 Stunden pro Tag und mindestens 40 Stunden pro Woche, einschließlich 4 Stunden Überschneidung mit PST.
- Beschäftigungsart: Auftragnehmer-Einsatz; kein Anspruch auf Krankheits- oder bezahlten Urlaub.
- Vertragsdauer: 5 Wochen. Voraussichtlicher Starttermin ist nächste Woche.
- Zahlungsart: $260 pro genehmigter Aufgabe.
Über die Rolle
Wir suchen Experten für Bioinformatik und Computational Genomics, die anspruchsvolle, agentische Genomik-Aufgaben und Referenzlösungen für GeneBench Pro entwerfen. Sie erstellen realistische Probleme der computergestützten Biologie, bei denen ein KI-Agent biologische Daten interpretieren, Code schreiben und ausführen, über wissenschaftliche Dateien hinweg arbeiten und objektiv überprüfbare Ergebnisse erzeugen muss.
Zentrale Aufgaben
- Neuartige, anspruchsvolle Aufgaben in Computational Genomics und Bioinformatik entwerfen.
- Aufgaben entwerfen, die übergeordnetes wissenschaftliches Urteilsvermögen testen, darunter den Umgang mit mehrdeutigen oder unsauberen Daten, das Erkennen von Artefakten, die Wahl geeigneter Analyseansätze, die Überarbeitung von Annahmen auf Basis von Zwischenergebnissen und die Feststellung, wann Schlussfolgerungen entscheidungsreif sind.
- Aufgaben mit realistischen wissenschaftlichen Daten wie FASTA/FASTQ, VCF, BAM/SAM, BED, TSV/CSV, Sequenzannotationen, Expressionsdaten sowie Keimbahn- oder somatischen Variantendaten erstellen.
- Aufgaben entwickeln, die mehrstufige Analysen mit Python, Kommandozeilenwerkzeugen oder etablierten Bioinformatik-Bibliotheken erfordern.
- Klare Aufgabenspezifikationen, Eingabedatensätze, erwartete Ausgabeschemata sowie deterministische oder objektiv überprüfbare Ground-Truth-Referenzen erstellen.
- Fachkundige Referenzlösungen und reproduzierbare Berechnungs-Workflows entwickeln, die in der bereitgestellten Python-Umgebung laufen.
- Validieren, dass die Aufgaben wissenschaftlich korrekt, anhand der bereitgestellten Informationen lösbar und für Frontier-KI-Modelle ausreichend anspruchsvoll sind.
- Robuste Bewertungskriterien entwerfen, die wissenschaftlich korrekte Lösungen von oberflächlich plausiblen Ausgaben unterscheiden.
- Sicherstellen, dass alle Ergebnisse gut dokumentiert, reproduzierbar und kundenfertig sind.
- Hohe Qualität und hohen Durchsatz aufrechterhalten und dabei das Feedback der Prüfer einarbeiten.
- Fortschritte, Blocker sowie wissenschaftliche oder technische Anforderungen an Projektleiter und Prüfer kommunizieren.
Erforderliche Qualifikationen
- Promotion (Ph.D.), Postdoc-Erfahrung oder gleichwertige Forschungserfahrung in Bioinformatik, Computational Biology, Genomik, Computational Genetics oder einem eng verwandten Fachgebiet.
- Ausgeprägte praktische Programmiererfahrung in Python.
- Erfahrung in der Analyse biologischer Sequenz- oder Genomik-Datensätze.
- Sicherer Umgang mit Linux- und Kommandozeilen-Rechenumgebungen.
Bevorzugte Qualifikationen
- Erfahrung mit Genomik-Workflows wie Variantenanalyse, Transkriptomik, Sequenzanalyse, Phylogenetik, Populationsgenetik, funktioneller Genomik oder klinischer Genomik.
- Vertrautheit mit Bioinformatik-Bibliotheken und -Tools wie Biopython, pandas, NumPy, SciPy, samtools, bcftools, BLAST, PLINK oder gleichwertigen Tools.
- Erfahrung in der Entwicklung reproduzierbarer wissenschaftlicher Pipelines.
- Erfahrung in der Bewertung von KI- oder LLM-Systemen bei computergestützten wissenschaftlichen Aufgaben.
- Fundiertes Verständnis des experimentellen und biologischen Kontexts hinter computergestützten Analysen.
Bonuspunkte
- Erfahrung mit KI-Agenten oder Coding-Agenten.
- Erfahrung im Entwurf von Benchmark-Datensätzen oder automatisierten Gradern.
- Publikationen zu Computational Genomics oder Bioinformatik.
- Erfahrung mit Docker oder containerisierten wissenschaftlichen Workflows.