LOWONGAN
Posisi: Rekayasa Riset Privasi dan Anonimisasi
Perusahaan: Pragmatike
Lokasi: San Francisco atau Singapura (on-site), atau remote dari Singapura atau zona waktu Pasifik AS
Tanggal mulai: ASAP
Bahasa: Inggris
Tim: Rekayasa
Tentang Peran
Klien kami adalah perusahaan AI yang bertumbuh pesat dan membangun infrastruktur yang andal, adil, serta terbuka untuk data pelatihan AI. Marketplace mereka membantu orang-orang yang membuat data memperoleh nilai dari data tersebut, sekaligus menyediakan data tepercaya bagi laboratorium AI untuk melatih model. Platform ini telah digunakan oleh startup, perusahaan Fortune 500, dan laboratorium AI garis depan. Perusahaan didukung investor ventura terkemuka, termasuk Y Combinator, dan sedang berkembang pesat untuk memenuhi permintaan yang tinggi.
Kami mencari Rekayasa Riset Privasi dan Anonimisasi untuk membangun sistem yang membuat data dunia nyata yang sensitif tetap aman dan berguna untuk pelatihan AI. Anda akan mengembangkan metode untuk mendeteksi dan menghapus informasi yang dapat mengidentifikasi pribadi, rahasia, serta konten sensitif lainnya dari data mentah sebelum data tersebut masuk ke alur pemrosesan dan alur data sintetis. Tujuannya adalah melindungi privasi tanpa merusak struktur dan sinyal yang membuat data bernilai untuk melatih agen.
Ini adalah posisi rekayasa privasi dan perlindungan data, bukan posisi desain tugas sintetis. Anda akan bertanggung jawab atas pipeline yang berada di depan proses hilir, pelatihan, evaluasi, dan generasi data sintetis. Posisi ini penuh waktu dan dimulai ASAP. Kantor berada di San Francisco dan Singapura. Kandidat remote juga dapat melamar apabila jam kerja mereka dapat beririsan sekitar 70–80% dengan jam kerja bisnis San Francisco (Pasifik AS) atau Singapura. Jadwal harian yang pasti akan disepakati selama proses perekrutan.
Tugas
Membangun sistem untuk mendeteksi informasi yang dapat mengidentifikasi pribadi, pengenal semu, kredensial, dan informasi sensitif lainnya, serta merancang transformasi berdasarkan jenis data dan kasus penggunaan hilir.
Mengembangkan dan membandingkan pendekatan deteksi yang menggabungkan aturan, model statistik, pengklasifikasi, dan metode berbasis LLM.
Membangun pipeline produksi yang menganonimkan data mentah sebelum data tersebut masuk ke proses hilir, pelatihan, evaluasi, atau generasi data sintetis.
Membuat kerangka evaluasi yang mengukur risiko privasi dan kegunaan data yang dipertahankan, termasuk metrik berbobot recall, uji kebocoran, dan upaya identifikasi ulang adversarial.
Merancang sistem yang tetap andal terhadap sumber data baru, pergeseran skema, format tidak lazim, dan informasi sensitif yang tertanam di kolom yang tidak terduga.
Bekerja bersama tim rekayasa, riset, operasi, dan pelanggan untuk menerjemahkan persyaratan privasi menjadi kebijakan sertaKINGKATAN teknis yang praktis.
Kualifikasi
Kemampuan kuat dalam Python dan pengalaman membangun sistem data atau machine learning produksi yang andal.
Pengalaman dengan ekstraksi informasi, pengenalan entitas bernama, klasifikasi, atau metode terkait untuk mendeteksi konten langka atau sensitif.
Naluri eksperimental yang kuat serta kemampuan untuk membandingkan pendekatan berdasarkan recall, precision, latensi, biaya, dan kegunaan data hilir.
Pemahaman mengenai perbedaan antara redaksi, masking, pseudonimisasi, anonimisasi, dan data sintetis, serta kapan masing-masing pendekatan tepat digunakan.
Perhatian terhadap detail yang tinggi dan kemampuan bernalar mengenai jalur kebocoran yang halus, kasus batas, serta mode kegagalan adversarial.
Pengalaman membangun pipeline pemrosesan data secara end-to-end, termasuk ketika tidak ada peta jalan yang sepenuhnya ditentukan.
Kemampuan menulis dan berbicara dalam bahasa Inggris dengan jelas, serta nyaman bekerja sama lintas tim dan zona waktu.
Kandidat kuat juga dapat memiliki pengalaman praktis dengan teknologi peningkatan privasi, seperti privasi diferensial, k-anonimitas, agregasi aman, atau enkripsi yang mempertahankan format; pengalaman menangani data sensitif di bidang layanan kesehatan, keuangan, atau keamanan; pengalaman membangun sistem inferensi machine learning atau pemrosesan data dengan latensi rendah atau throughput tinggi; atau pengalaman mengembangkan pekerjaan dari riset awal hingga produksi.
Aptitude teknis dan potensi belajar dianggap lebih penting daripada bertahun-tahun pengalaman. Kandidat yang(termotivated) tetap-song encouraged melamar meskipun tidak memenuhi setiap poin di atas.
Mengapa Peran Ini Penting
Anda akan membangun sistem yang memungkinkan data dunia nyata yang sensitif digunakan untuk pelatihan AI tanpa mengekspos orang atau rahasia.
Privasi dapat dipertahankan tanpa merusak kegunaan data. Tugas ini bukan sekadar melakukan redaksi, tetapi juga mempertahankan struktur dan sinyal yang dibutuhkan oleh pipeline pelatihan dan generasi data sintetis.
Anda akan bertanggung jawab atas jalur lengkap dari deteksi hingga produksi, mencakup metode deteksi, transformasi, evaluasi, dan pipeline yang berada di depan pelatihan serta generasi.
Anda akan menangani kasus batas yang sulit dan berisiko tinggi, seperti jalur kebocoran, pergeseran skema, dan mode kegagalan adversarial, bukan hanya dataset benchmark yang bersih.
Anda dapat bekerja on-site di San Francisco atau Singapura, atau secara remote dengan jam kerja yang beririsan sekitar 70–80% dengan jam kerja bisnis Pasifik AS atau Singapura. Jadwal harian yang pasti akan disepakati selama proses perekrutan.
Pragmatike adalah Pemberi Kerja dengan Peluang Setara dan闭幕 Dedikasi menyediakan peluang kerja yang sama bagi seluruh pelamar tanpa diskriminasi. Kami merekrut atas nama klien kami dan melarang diskriminasi serta pelecehan berdasarkan ras, warna kulit, agama, usia, jenis kelamin, asal kebangsaan, status disabilitas, genetika, status veteran yang dilindungi, orientasi seksual, identitas atau ekspresi gender, atau ciri lain yang dilindungi oleh hukum federal, negara bagian, atau hukum lokal. Kebijakan ini berlaku untuk seluruh ketentuan dan syarat pekerjaan, termasuk rekrutmen, perekrutan, penempatan, promosi, pemutusan hubungan kerja, pemangkasan jabatan, pemanggilan kembali, transfer, cuti, kompensasi, dan pelatihan.
KamiCommitment(process)komitmen terhadap proses perekrutan yang adil dan inklusif. Kami memproses data pribadi semata-mata untuk tujuan perekrutan, sesuai dengan hukum privasi yang berlaku, serta mempertahankan langkah perlindungan yang wajar untuk menjaga informasi Anda. Data Anda mungkin dibagikan kepada klien kami untuk Pertimbangkan dalam proses perekrutan, tetapi tidak akan disclose kepada pihak ketiga di luar proses perekrutan.
Saat melamar, sebutkan kata CONFIDENT dan tag RMTk4LjQ0LjExNi4zMA== untuk menunjukkan bahwa Anda telah membaca unggahan lowongan ini secara lengkap (#RMTk4LjQ0LjExNi4zMA==). Ini adalah fitur beta untuk menghindari pelamar spam. Perusahaan dapat mencari kata-kata ini untuk menemukan pelamar yang telah membaca unggahan tersebut dan melihat bahwa mereka adalah manusia.
Research Engineer Privacy and Anonymization
Pragmatike • Remote
Gaji tidak dicantumkan
Deskripsi Pekerjaan
Ringkasan
- Perusahaan
- Pragmatike
- Lokasi
- Remote
- Tipe kerja
- —
- Gaji
- Gaji tidak dicantumkan
- Tanggal tayang
- 12 Nov 2026
- Terlihat sejak
- 13 Nov 2026
Sumber & keterlacakan data
Remote OK (public board)Buka sumber asli ↗https://remoteOK.com/remote-jobs/remote-research-engineer-privacy-and-anonymization-pragmatike-1137792
Siap melamar? Langsung di sumber asli.Buka Halaman Lamaran
Lowongan Terkait Lainnya
LOWONGANKemarin
Senior Product Design Manager
LastPass • Europe
Gaji tidak dicantumkanLihat Detail →
LOWONGAN2dProduct Designer
Tebra • US Only
Gaji tidak dicantumkanLihat Detail →
LOWONGAN2dSenior Product Engineer
Arbor Education • Remote
Gaji tidak dicantumkanLihat Detail →
LOWONGAN2dQuality Engineer
Quartermaster • Arlington
Gaji tidak dicantumkanLihat Detail →