Research Engineer Privacy and Anonymization

Ubicación: San Francisco o Singapur (presencial), o remoto (zonas horarias del Pacífico de EE. UU. o Singapur)
Fecha de inicio: Lo antes posible
Idiomas: Inglés
Equipo: Ingeniería

Acerca del puesto

Nuestro cliente es una empresa de IA en rápido crecimiento que construye infraestructura fiable, justa y abierta para el entrenamiento de datos de IA. Su mercado ayuda a las personas que crean datos a obtener valor por ellos, y proporciona a los laboratorios de IA datos confiables para entrenar. Ya es utilizado por startups, empresas Fortune 500 y laboratorios de vanguardia, y la empresa está respaldada por inversores de capital de riesgo líderes, incluido Y Combinator. Se están expandiendo rápidamente para satisfacer la fuerte demanda.

Buscamos un Ingeniero de Investigación, Privacidad y Anonimización para construir los sistemas que hacen que los datos sensibles del mundo real sean seguros y aún útiles para el entrenamiento de IA. Desarrollarás métodos para detectar y eliminar información de identificación personal, secretos y otro contenido sensible de los datos brutos antes de que entren en los pipelines de procesamiento y datos sintéticos, protegiendo la privacidad sin destruir la estructura y la señal que hacen que los datos sean valiosos para entrenar agentes.

Este es un puesto de ingeniería de privacidad y protección de datos, no un puesto de diseño de tareas sintéticas. Serás responsable del pipeline que se encuentra delante del procesamiento posterior, el entrenamiento, la evaluación y la generación sintética.

Este es un puesto a tiempo completo, que comienza lo antes posible. Las oficinas se encuentran en San Francisco y Singapur; se aceptan candidatos remotos si sus horarios de trabajo pueden coincidir aproximadamente entre el 70% y el 80% con las horas de oficina de San Francisco (Pacífico de EE. UU.) o Singapur. El horario diario exacto se acordará durante la contratación.

Lo que harás

• Construir sistemas para detectar PII, cuasi-identificadores, credenciales y otra información sensible, y diseñar transformaciones basadas en el tipo de datos y el caso de uso posterior.

• Desarrollar y comparar enfoques de detección que combinen reglas, modelos estadísticos, clasificadores y métodos basados en LLM.

• Construir pipelines de producción que anonimicen los datos brutos antes de que entren en el procesamiento posterior, el entrenamiento, la evaluación o la generación de datos sintéticos.

• Crear marcos de evaluación que midan el riesgo de privacidad y la utilidad de los datos retenidos, incluidas métricas ponderadas por recall, pruebas de fuga e intentos adversarios de reidentificación.

• Diseñar sistemas que se mantengan robustos ante nuevas fuentes de datos, deriva de esquemas, formatos inusuales e información sensible incrustada en campos inesperados.

• Trabajar con ingeniería, investigación, operaciones y clientes para traducir los requisitos de privacidad en políticas y salvaguardias técnicas prácticas.

Lo que buscamos

• Sólida competencia en Python y experiencia en la construcción de sistemas fiables de producción de datos o aprendizaje automático.

• Experiencia en extracción de información, reconocimiento de entidades nombradas, clasificación o métodos relacionados para detectar contenido raro o sensible.

• Sólidos instintos experimentales y la capacidad de comparar enfoques en términos de recall, precisión, latencia, costo y utilidad de los datos posteriores.

• Comprensión de la diferencia entre redacción, enmascaramiento, seudonimización, anonimización y datos sintéticos, y cuándo es apropiado cada uno.

• Alta atención al detalle y capacidad para razonar sobre sutiles rutas de fuga, casos extremos y modos de fallo adversarios.

• Experiencia en la construcción de pipelines de procesamiento de datos de principio a fin, incluso cuando no había un plan de trabajo completamente definido.

• Inglés claro escrito y hablado, y comodidad para colaborar entre equipos y zonas horarias.

• Los candidatos sólidos también pueden tener experiencia práctica con tecnologías que mejoran la privacidad (como privacidad diferencial, k-anonimato, agregación segura o cifrado con preservación de formato); haber trabajado con datos sensibles en atención médica, finanzas o seguridad; haber construido sistemas de inferencia de ML o procesamiento de datos de baja latencia o alto rendimiento; o haber llevado el trabajo desde la investigación inicial hasta la producción.

• La aptitud técnica y el potencial de aprendizaje importan más que los años de experiencia. Se anima a los candidatos motivados a postularse incluso si no cumplen con todos los puntos anteriores.

Por qué este puesto es importante para ti

• Haz que los datos del mundo real sean seguros para entrenar: Construirás los sistemas que permiten utilizar datos sensibles para el entrenamiento de IA sin exponer a personas o secretos.

• Privacidad sin arruinar la utilidad: El trabajo no es solo redactar, sino mantener la estructura y la señal que necesitan los pipelines de entrenamiento y sintéticos posteriores.

• De la detección a la producción: Serás responsable de todo el camino: métodos de detección, transformaciones, evaluación y el pipeline que se encuentra delante del entrenamiento y la generación.

• Casos extremos difíciles y de alto riesgo: Trabaja en rutas de fuga, deriva de esquemas y modos de fallo adversarios, no solo en conjuntos de datos limpios de referencia.

• San Francisco, Singapur o remoto: Trabaja in situ en San Francisco o Singapur, o de forma remota, con horarios que coincidan aproximadamente entre el 70% y el 80% con las horas de oficina del Pacífico de EE. UU. o Singapur. El horario diario exacto se acordará durante la contratación.

Pragmatike es un Empleador que Ofrece Igualdad de Oportunidades y se compromete a proporcionar igualdad de oportunidades de empleo a todos los solicitantes sin discriminación. Contratamos en nombre de nuestros clientes y prohibimos la discriminación y el acoso por motivos de raza, color, religión, edad, sexo, origen nacional, discapacidad, genética, condición de veterano protegido, orientación sexual, identidad o expresión de género, o cualquier otra característica protegida por las leyes federales, estatales o locales. Esta política se aplica a todos los términos y condiciones de empleo, incluido el reclutamiento, la contratación, la colocación, la promoción, la rescisión, el despido, la reincorporación, la transferencia, las licencias, la compensación y la capacitación. Estamos comprometidos con un proceso de contratación justo e inclusivo. Procesamos sus datos personales únicamente con fines de reclutamiento, de acuerdo con las leyes de privacidad aplicables, y mantenemos salvaguardias razonables para proteger su información. Sus datos pueden ser compartidos con nuestro(s) cliente(s) para consideración de contratación, pero no serán revelados a terceros fuera del proceso de reclutamiento.