직무 소개
Turing 소개 Turing은 세계 선도적인 AGI 인프라 기업 중 하나로, 최첨단 AI 연구소와 협력하여 고품질 학습 데이터, 평가, 엔지니어링 인재를 통해 모델 개발을 가속합니다.
참여 조건
- 필수 투입 조건: 하루 최소 6시간, 주당 최소 40시간이며 PST와 4시간 겹침.
- 고용 형태: 계약자 배정(의료 혜택 및 유급 휴가 없음)
- 계약 기간: 5주(예상 시작일은 다음 주)
직무 소개 Terminal Bench Science를 위해 현실적인 터미널 기반 과학·기술 과업을 만드는 트레이너 Pod를 이끌어 줄, 경력 있는 생명과학 또는 의학 전문가를 찾고 있습니다. 트레이너가 만든 모든 과업을 과학적 정확성, 재현성, 데이터 규정 준수, 채점기 신뢰성 측면에서 검토하고, 트레이너가 지속적으로 높은 품질의 도전적인 과업을 만들어 내도록 코칭하게 됩니다. 주요 업무
- 과업 설명서, 생물학 및 임상 데이터셋, 참조 파일, 파이프라인, 환경, 참조 솔루션, 자동화 테스트를 포함하여 트레이너의 과업을 처음부터 끝까지 검토합니다.
- 과업이 실제 연구 또는 임상 분석 워크플로를 반영하고 진정한 다단계 과학적 추론을 요구하는지 확인합니다.
- 도구, 참조 게놈, 어노테이션 버전, 데이터베이스, 의존성의 버전이 고정되어 있고 파이프라인이 재현 가능한지 점검합니다.
- 게놈 빌드, 좌표 규약, 정규화, 배치 효과 처리, 통계적 가정, 다중 검정 보정, 단위, 투약 규약, 영상 방향 및 간격, 난수 시드 제어를 포함하여 과학적 정확성을 검증합니다.
- 채점기가 형식이 아니라 변이 호출(variant call), 차등 발현 결과, 클러스터 할당, 결합 또는 구조 지표, 생존 추정치, 모델 성능, 분할(segmentation) 정확도, 약동학 파라미터와 같은 실질적인 출력을 검증하도록 합니다.
- 허용 오차가 정당한 확률적·수치적 변동은 감안하되 잘못된 분석은 받아들이지 않도록 합니다.
- 하드코딩된 출력, 테스트 파일 읽기 또는 의도된 분석 우회를 통해 과업을 편법으로 통과할 수 없도록 합니다.
- 모든 데이터가 합성 데이터이거나 공개 데이터이고, 적절히 라이선스되었으며, 비식별화되어 있고, 보호 대상 건강 정보나 접근이 제한된 데이터가 없는지 확인합니다.
- 과업에 생물안전 및 이중 용도 우려가 있는지 선별합니다.
- 위험한 병원체, 독소 또는 유해한 생물학적 능력 강화와 관련된 콘텐츠는 상위에 보고합니다.
- 명확하고 실행 가능한 서면 피드백을 제공하고 수정 사항이 종결될 때까지 추적합니다.
- 트레이너를 온보딩하고 멘토링합니다.
- 업무를 배분하고, 품질과 처리량을 추적하며, 장애 요소를 상위에 보고합니다.
- 가이드라인, 반복되는 문제, 모범 과업을 다루는 Pod 문서를 관리합니다.
강도 선택GPT-5.6 Luna중간없음최소약함중간높음매우 높음최대울트라지속적
드래그할 수 있는 항목을 집으려면 스페이스바를 누르세요. 드래그하는 동안 방향키를 사용하여 항목을 이동하세요. 새 위치에 항목을 놓으려면 스페이스바를 다시 누르고, 취소하려면 Esc 키를 누르세요.
필수 자격 요건
- 상당한 전산 요소를 포함하는 생명과학, 생의학 또는 의학 분야의 박사(Ph.D.), 의학박사(M.D.), M.D.-Ph.D., 박사후 연구 경험 또는 이에 상응하는 고급 경력.
- Python 또는 R과 Bash에 대한 뛰어난 프로그래밍 능력, 그리고 Linux 및 터미널 숙련도.
- 생물정보학 파이프라인, 전산생물학, 생물통계학, 의료 영상 분석 또는 임상 데이터 분석 실무 경험.
- 생의학 연구에서의 실험 설계, 통계적 추론, 재현성에 대한 깊은 이해.
- 코드, 분석, 원고 또는 연구 결과물을 검토한 입증된 경험.
- 소규모 기술 또는 연구 팀을 멘토링하거나 이끈 경험.
- 정확하고 건설적인 피드백을 제공하기 위한 우수한 글쓰기 소통 능력.
우대 사항
- samtools, bcftools, GATK, BWA, STAR, Salmon, DESeq2, edgeR, Seurat, Scanpy, Biopython, Bioconductor, Nextflow, Snakemake 등의 도구에 대한 이해.
- RDKit, OpenMM, GROMACS, AutoDock Vina, PyMOL 또는 Biopython 구조 도구에 대한 이해.
- pydicom, nibabel, SimpleITK, MONAI, FSL, lifelines, statsmodels, FHIR 데이터 형식과 같은 의료 영상 및 임상 도구에 대한 이해.
- Docker, Conda, Git, CI 시스템, 자동화 테스트, HPC 환경에 대한 이해.
- 벤치마크, 분석 챌린지 또는 계산 기반 평가를 설계한 경험.
추가 가점 사항
- AI 코딩 또는 터미널 에이전트를 평가한 경험.
- 데이터 거버넌스, IRB 절차 또는 생물안전 심의 경험.
- 바이오테크, 제약, 임상 연구 또는 헬스 테크놀로지 분야 업계 경력.
- 전산생물학, 생물정보학 또는 의생명 정보학 분야의 논문 발표 또는 오픈 소스 기여.
- AI 학습 또는 평가 프로그램 경험.