この求人について
Turingについて Turingは、世界をリードするAGIインフラ企業の1つであり、最先端のAIラボと協力して、高品質なトレーニングデータ、評価、エンジニアリング人材を通じてモデル開発を加速させています。
契約の詳細
- 必要な稼働：1日あたり最低 6 時間、週あたり最低 40 時間で、太平洋時間（PST）と 4 時間の重複があること。
- 雇用形態：契約業務（医療保険／有給休暇なし）
- 契約期間：5 週間（開始予定日は来週）
役割について Terminal Bench Scienceのために、現実的なターミナルベースの科学・技術タスクを作成するトレーナーのポッドを率いる、経験豊富なライフサイエンスまたは医学のエキスパートを募集しています。トレーナーが作成するすべてのタスクについて、科学的な正しさ、再現性、データコンプライアンス、グレーダーの信頼性の観点からレビューを行い、トレーナーが一貫して高品質で難易度の高いタスクを提供できるようコーチングしていただきます。 主な責任
- タスク記述、生物学的・臨床データセット、参照ファイル、パイプライン、環境、リファレンスソリューション、自動テストを含む、トレーナーのタスクをエンドツーエンドでレビューする。
- タスクが本物の研究または臨床分析のワークフローを反映し、真に複数ステップの科学的推論を必要とすることを確認する。
- ツール、参照ゲノム、アノテーションのバージョン、データベース、依存関係が固定されており、パイプラインが再現可能であることを確認する。
- ゲノムビルド、座標規約、正規化、バッチ効果の扱い、統計的仮定、多重検定の補正、単位、投与量の規約、画像の向きと間隔、乱数シードの制御を含む、科学的な正しさを検証する。
- グレーダーが、書式ではなく、バリアントコール、発現変動解析の結果、クラスター割り当て、結合または構造の指標、生存推定、モデルの性能、セグメンテーションの精度、薬物動態パラメータといった実質的なアウトプットを検証していることを確認する。
- 許容値が、正当な確率的・数値的変動を考慮しつつ、誤った解析を受け入れないようにする。
- タスクが、ハードコードされた出力、テストファイルの読み取り、または意図された解析の迂回によって攻略できないようにする。
- すべてのデータが、合成データ、公開データ、適切にライセンスされたデータ、または匿名化されたデータであり、保護対象の医療情報やアクセス制限のあるデータが含まれていないことを確認する。
- タスクをバイオセーフティおよびデュアルユースの懸念の観点からスクリーニングする。
- 危険な病原体、毒素、または有害な生物学的能力の強化にかかわるコンテンツをエスカレーションする。
- 明確で実行可能な書面のフィードバックを提供し、完了まで修正を追跡する。
- トレーナーのオンボーディングと指導を行う。
- 作業を割り当て、品質とスループットを追跡し、ブロッカーをエスカレーションする。
- ガイドライン、繰り返し発生する問題、模範的なタスクをまとめたポッドのドキュメントを維持する。
エフォートを選択GPT-5.6 Luna中なし最小軽め中高特高最大ウルトラ持続
ドラッグ可能な項目を選択するには、スペースバーを押します。 ドラッグ中は、矢印キーで項目を移動します。 もう一度スペースを押すと項目が新しい位置にドロップされ、Escapeキーを押すとキャンセルされます。
必須の資格
- 計算的な要素を相当程度含む、ライフサイエンス、生物医学、または医学分野における、博士号（Ph.D.）、医学博士（M.D.）、M.D.-Ph.D.、ポスドク経験、または同等の高度な経験。
- PythonまたはR、およびBashでの高度なプログラミングスキル、ならびにLinuxとターミナルへの習熟。
- バイオインフォマティクスパイプライン、計算生物学、生物統計学、医用画像解析、または臨床データ解析の実務経験。
- 生物医学研究における実験デザイン、統計的推論、再現性に関する深い理解。
- コード、解析、論文原稿、または研究成果をレビューした実績。
- 小規模な技術チームまたは研究チームの指導またはリードの経験。
- 的確で建設的なフィードバックを提供するための、優れた文章コミュニケーション能力。
歓迎される資格
- samtools、bcftools、GATK、BWA、STAR、Salmon、DESeq2、edgeR、Seurat、Scanpy、Biopython、Bioconductor、Nextflow、Snakemakeなどのツールに関する知識。
- RDKit、OpenMM、GROMACS、AutoDock Vina、PyMOL、またはBiopythonの構造ツールに関する知識。
- pydicom、nibabel、SimpleITK、MONAI、FSL、lifelines、statsmodels、FHIRデータ形式などの、医用画像および臨床ツールに関する知識。
- Docker、Conda、Git、CIシステム、自動テスト、HPC環境に関する知識。
- ベンチマーク、解析チャレンジ、または計算による評価の設計経験。
あればなお良い点
- AIコーディングエージェントまたはターミナルエージェントの評価経験。
- データガバナンス、IRBプロセス、またはバイオセーフティ審査の経験。
- バイオテクノロジー、製薬、臨床研究、またはヘルステクノロジー分野での業界経験。
- 計算生物学、バイオインフォマティクス、または生物医学情報学における論文発表またはオープンソースへの貢献。
- AIトレーニングまたは評価プログラムでの経験。