QA Auditor, Sampling, Quality Gates, Release Readiness

🕒 Fevereiro 27

Candidatar-se

Encontrar Vagas Remotas Similares

Receber Emails de Vagas Remotas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Codvo.ai

SiteLinkedInTodas as Vagas

51 - 200 funcionários

Fundada em 2019

🔒 Cibersegurança

☁️ SaaS

AI • Cybersecurity • SaaS

A Codvo. ai é uma empresa de tecnologia especializada em entregar soluções estratégicas para empresas por meio de inovação avançada impulsionada por AI. A companhia foca em transformar dados corporativos em valor mensurável, ajudando negócios a acelerar o crescimento com implementações de AI personalizadas, adequadas aos desafios específicos de diversos setores. Seu amplo portfólio de serviços inclui automação com AI/ML, desenvolvimento de aplicações, análise de dados, cibersegurança e transformação digital, garantindo que as organizações prosperem em um cenário digital em rápida evolução.

Descrição

• Protect dataset quality at scale by running sampling-based audits, enforcing quality gates, and ensuring every dataset release is audit-ready and meets acceptance thresholds. • Execute sampling plans (stratified by label type, difficulty, site/surgeon/device, model confidence) for ongoing QA and release audits. • Audit annotations against guidelines + ontology; score defects using standardized rubrics (severity, type, root cause). • Run and validate quality gates prior to release: completeness/coverage checks schema/constraint checks (illegal combinations, temporal consistency, boundary rules) defect density and rework thresholds. • Generate rework tickets with precise instructions; track closure and verify fixes. • Partner with Annotation Lead to drive calibration actions (training refreshers, guideline clarifications, examples library). • Maintain QA dashboards: defect rate, rework %, gate pass rate, audit cycle time, top error patterns by annotator/team/label type. • Support release readiness: ensure required artifacts are complete for the Evidence Pack (QA results, sampling logs, sign-offs). • Escalate systematic issues to Adjudication/Clinical Review (definition gaps, ambiguous classes, recurring edge cases).

🎯 Requisitos

• 3–7+ years in data QA / annotation QA / operations quality; experience auditing labeled datasets (video preferred). • Strong command of sampling-based QA: stratified sampling, acceptance thresholds, and audit scoring. • High attention to detail; comfortable reading and enforcing detailed SOPs/guidelines. • Strong documentation skills; can write clear defect descriptions and rework instructions. • Comfortable with dashboards/spreadsheets; basic metric literacy (defect density, rework, throughput).