Applaudo هي شركة لتطوير البرمجيات بالقرب من الأسواق المستهدفة، تركز على مساعدة المؤسسات في تحديث تقنياتها ودفع عجلة التحول الرقمي. تأسست الشركة عام 2013، وتجمع بين الخبرة في هندسة البرمجيات والاستشارات في مجالات الابتكار وتصميم التجارب، وتطوير التطبيقات وصيانتها، وضمان الجودة، والحلول السحابية، والذكاء الاصطناعي، والأمن السيبراني، وحلول البيانات، وتحديث التطبيقات. تقدم Applaudo خدماتها لعملاء في قطاعات تشمل الرياضة، والإعلام والترفيه، وتجارة التجزئة، والسلع الاستهلاكية المعبأة، والخدمات المالية، وتدعم مشاريع تسهم في تحسين المنتجات الرقمية والبنية التحتية وتقديم خدمات تقنية المعلومات. ومن خلال مقرها الرئيسي في أوستن بولاية تكساس ومكتبها في سان سلفادور، تجمع Applaudo فريقًا يضم 501–1,000 موظف لخدمة الشركات في مختلف مجالات التكنولوجيا والخدمات الرقمية.
عالم بيانات تطبيقي أول – مطابقة الكيانات (عن بُعد، بيرو)
طوّر في Applaudo نماذج لمطابقة الشركات والكيانات باستخدام التضمينات ونماذج اللغة الكبيرة. قيّم بيانات ضخمة ومليئة بالتشويش لبناء حلول ذكاء اصطناعي دقيقة تراعي التكلفة وقابلية التوسع.
الوصف
- طوّر وقيّم أساليب تعلم آلي لمطابقة الشركات والكيانات.
- أنشئ أساليب للمطابقة باستخدام التضمينات ونماذج اللغة الكبيرة.
- صمّم أساليب للتقييم والترتيب تميّز التطابقات الحقيقية عن السجلات المكررة والمتشابهة ظاهريًا والكيانات غير المرتبطة.
- تعامل مع بيانات مشوشة تشمل الأسماء والأسماء البديلة والنطاقات والمواقع الإلكترونية والتفاصيل الخاصة بالشركات واللغات والتسلسلات الهرمية للبيانات.
- أعد مجموعات بيانات معيارية ومقاييس تقييم وخطوط أساس وتحليلًا للأخطاء.
- خطّط للتجارب ونفّذها لاختبار الفرضيات.
- قِس أداء الأساليب المدعومة بنماذج اللغة الكبيرة مقارنة بالخيارات الأقل تكلفة.
- استقصِ سلوك النماذج والحالات الطرفية والمفاضلات.
- ضع تكاليف الاستدلال وقابلية التوسع في الحسبان منذ البداية.
- شارك نتائج التجارب والتوصيات مع شركاء الهندسة والأعمال.
- أنشئ أساليب البحث ومسارات التجارب بشكل مستقل.
- وثّق نتائج التجارب الإيجابية والسلبية بوضوح.
المتطلبات
- خبرة مهنية لا تقل عن خمس سنوات في علم البيانات أو تعلم الآلة.
- أسس عملية متينة في تعلم الآلة.
- إجادة ممتازة للغتي Python وSQL.
- خبرة عملية في التضمينات والتشابه الدلالي.
- خبرة في تطبيق نماذج اللغة الكبيرة على مشكلات واقعية.
- خبرة في التعلم الخاضع للإشراف وغير الخاضع للإشراف.
- خلفية قوية في التصنيف ومعالجة اللغة الطبيعية.
- معرفة عملية بالشبكات العصبية وبُنى المحوّلات.
- خبرة عملية في استخدام TensorFlow أو PyTorch أو PyCaret أو إطار تعلم آلي مماثل.
- خبرة في إعادة تدريب نماذج التصنيف الإنتاجية أو صيانتها.
- مهارات قوية في تصميم التجارب وتقييم النماذج.
- خبرة في تحديد خطوط الأساس والمقاييس ومجموعات الاختبار وعمليات تحليل الأخطاء.
- القدرة على تقييم جودة النماذج وإظهار تحسينات قابلة للقياس.
- فهم قوي لقابلية التوسع وتكاليف الاستدلال في تعلم الآلة.
- مهارات تواصل قوية باللغة الإنجليزية.
- يُفضّل: خبرة في تسوية الكيانات أو ربط السجلات أو إزالة التكرار.
- يُفضّل: خبرة في الترتيب وتقييم التشابه.
- يُفضّل: إلمام بتقنيات الاسترجاع أو التجميع أو إنشاء المرشحين.
- يُفضّل: خبرة في تصميم حلول التضمينات أو نماذج اللغة الكبيرة ضمن قيود التكلفة والتوسع.
- يُفضّل: إلمام بـ Spark أو Snowflake أو Databricks أو BigQuery.
- يُفضّل: خبرة في بيانات الشركات أو النطاقات أو المواقع الإلكترونية أو بيانات خصائص الشركات.
- يُفضّل: خبرة في العمل مع مجموعات بيانات متعددة اللغات.
- نهج تحليلي وعقلية تجريبية.
- نزاهة فكرية واستعداد لمشاركة النتائج السلبية.
- القدرة على العمل باستقلالية والمبادرة.
- مهارات ممتازة في التواصل الكتابي والشفهي.
- القدرة على شرح التوصيات التقنية ودعمها أمام أصحاب المصلحة.
- مهارات قوية في حل المشكلات.
- الارتياح للعمل في ظل الغموض ومع مجموعات بيانات ضخمة.
- القدرة على الموازنة بين جودة النماذج والتكلفة وقابلية التوسع.
المزايا
- إمكانية العمل عن بُعد.
- فرصة للتعلم السريع وتحمّل المسؤولية.
- العمل إلى جانب فرق ماهرة.
- العمل على حلول حديثة قائمة على الذكاء الاصطناعي ومنتجات قابلة للتوسع.
- ثقافة عمل عالية الأداء تتمحور حول التميز والعمل الجماعي والاحترام والشفافية والتواصل الفعّال.