À propos du poste
À propos de Turing
Turing est l’une des principales entreprises d’infrastructure AGI au monde, qui travaille avec des laboratoires d’IA de pointe pour accélérer le développement de modèles grâce à des données d’entraînement de haute qualité, à des évaluations et à des talents en ingénierie.
Détails de la mission
- Engagements requis : au moins 6 heures par jour et un minimum de 40 heures par semaine, dont un chevauchement de 4 heures avec le PST.
- Type d’emploi : mission en tant que prestataire ; sans congés maladie ni congés payés.
- Durée du contrat : 5 semaines. La date de début prévue est la semaine prochaine.
- Mode de paiement : $260 par tâche approuvée.
À propos du poste
Nous recherchons des experts en bio-informatique et en génomique computationnelle pour concevoir des tâches de génomique exigeantes, de nature agentique, ainsi que des solutions de référence pour GeneBench Pro. Vous créerez des problèmes réalistes de biologie computationnelle qui nécessitent qu’un agent d’IA interprète des données biologiques, écrive et exécute du code, travaille sur plusieurs fichiers scientifiques et produise des résultats objectivement vérifiables.
Principales responsabilités
- Concevoir des tâches inédites et exigeantes en génomique computationnelle et en bio-informatique.
- Concevoir des tâches qui testent le jugement scientifique de haut niveau, notamment la gestion de données ambiguës ou désordonnées, l’identification d’artefacts, le choix d’approches analytiques appropriées, la révision des hypothèses en fonction des résultats intermédiaires et la détermination du moment où les conclusions sont prêtes pour la décision.
- Construire des tâches reposant sur des données scientifiques réalistes telles que FASTA/FASTQ, VCF, BAM/SAM, BED, TSV/CSV, des annotations de séquences, des données d’expression et des données de variants germinaux ou somatiques.
- Développer des tâches nécessitant une analyse en plusieurs étapes à l’aide de Python, d’outils en ligne de commande ou de bibliothèques de bio-informatique établies.
- Créer des spécifications de tâche claires, des jeux de données d’entrée, des schémas de sortie attendus et des vérités terrain déterministes ou objectivement vérifiables.
- Développer des solutions de référence expertes et des workflows computationnels reproductibles qui s’exécutent dans l’environnement Python fourni.
- Valider que les tâches sont scientifiquement correctes, résolubles à partir des informations fournies et suffisamment exigeantes pour les modèles d’IA de pointe.
- Concevoir des critères de notation robustes qui distinguent les solutions scientifiquement correctes des résultats superficiellement plausibles.
- Veiller à ce que tous les livrables soient bien documentés, reproductibles et prêts à être remis au client.
- Maintenir une qualité et un débit élevés tout en intégrant les retours des relecteurs.
- Communiquer l’avancement, les blocages et les exigences scientifiques ou techniques aux responsables de projet et aux relecteurs.
Qualifications requises
- Doctorat, expérience postdoctorale ou expérience de recherche équivalente en bio-informatique, biologie computationnelle, génomique, génétique computationnelle ou dans une discipline étroitement liée.
- Solide expérience pratique de la programmation en Python.
- Expérience de l’analyse de séquences biologiques ou de jeux de données génomiques.
- À l’aise pour travailler dans des environnements computationnels Linux et en ligne de commande.
Qualifications souhaitées
- Expérience des workflows de génomique tels que l’analyse de variants, la transcriptomique, l’analyse de séquences, la phylogénétique, la génétique des populations, la génomique fonctionnelle ou la génomique clinique.
- Familiarité avec les bibliothèques et outils de bio-informatique tels que Biopython, pandas, NumPy, SciPy, samtools, bcftools, BLAST, PLINK ou des outils équivalents.
- Expérience du développement de pipelines scientifiques reproductibles.
- Expérience de l’évaluation de systèmes d’IA ou de LLM sur des tâches scientifiques computationnelles.
- Solide compréhension du contexte expérimental et biologique qui sous-tend les analyses computationnelles.
Atouts supplémentaires
- Expérience des agents d’IA ou des agents de codage.
- Expérience de la conception de jeux de données de référence (benchmarks) ou de correcteurs automatisés.
- Publications portant sur la génomique computationnelle ou la bio-informatique.
- Expérience de Docker ou des workflows scientifiques conteneurisés.