Applaudo je nearshoreová společnost zabývající se vývojem softwaru, která pomáhá organizacím modernizovat technologie a rozvíjet digitální transformaci. Společnost byla založena v roce 2013 a propojuje odborné znalosti v oblasti softwarového inženýrství a poradenství v oblastech inovací a návrhu uživatelské zkušenosti, vývoje a údržby aplikací, zajišťování kvality, cloudových řešení, umělé inteligence, kybernetické bezpečnosti, datových řešení a modernizace aplikací. Applaudo poskytuje služby klientům v odvětvích, jako jsou sport, média a zábava, maloobchod, spotřební zboží a finanční služby, a podporuje projekty zaměřené na zlepšování digitálních produktů, infrastruktury a poskytování IT služeb. Centrála společnosti se nachází v texaském Austinu a kancelář v San Salvadoru. Applaudo sdružuje tým o velikosti 501 až 1 000 zaměstnanců, který poskytuje služby firmám v oblasti technologií a digitálních služeb.
Seniorní specialista aplikované datové vědy — párování entit (práce na dálku, Peru)
Ve společnosti Applaudo budete vyvíjet modely založené na embeddingu a velkých jazykových modelech pro párování společností a entit. Budete vyhodnocovat zašuměná data ve velkém měřítku a vytvářet přesná řešení AI s praktickým ohledem na náklady a škálovatelnost.
Popis
- Vyvíjet a vyhodnocovat metody strojového učení pro párování společností a entit.
- Vytvářet přístupy k párování založené na embeddingu a velkých jazykových modelech.
- Navrhovat metody skórování a řazení, které odliší skutečné shody od duplicit, podobně vypadajících záznamů a nesouvisejících entit.
- Pracovat se zašuměnými daty zahrnujícími názvy, aliasy, domény, webové stránky, firemní charakteristiky, jazyky a hierarchie dat.
- Připravovat referenční datové sady, hodnoticí metriky, výchozí modely a analýzu chyb.
- Plánovat a provádět experimenty k ověřování hypotéz.
- Porovnávat metody využívající velké jazykové modely s úspornějšími možnostmi.
- Zkoumat chování modelů, okrajové případy a kompromisy.
- Od začátku zohledňovat náklady na inferenci a škálovatelnost.
- Sdílet výsledky experimentů a doporučení s technickými a obchodními týmy.
- Samostatně nastavovat výzkumné metody a experimentální postupy.
- Jasně zaznamenávat pozitivní i negativní výsledky experimentů.
Požadavky
- Nejméně pět let odborné praxe v oblasti datové vědy nebo strojového učení.
- Pevné praktické základy strojového učení.
- Výborná znalost Pythonu a SQL.
- Praktické zkušenosti s embeddingy a sémantickou podobností.
- Zkušenosti s aplikací velkých jazykových modelů na reálné problémy.
- Zkušenosti s učením s učitelem i bez učitele.
- Silné znalosti klasifikace a zpracování přirozeného jazyka.
- Praktická znalost neuronových sítí a architektur transformerů.
- Praktická zkušenost s TensorFlow, PyTorch, PyCaret nebo srovnatelným frameworkem strojového učení.
- Zkušenosti s opakovaným trénováním nebo údržbou klasifikačních modelů v produkčním prostředí.
- Výborné dovednosti v návrhu experimentů a hodnocení modelů.
- Zkušenosti se stanovováním výchozích hodnot, metrik, testovacích sad a procesů analýzy chyb.
- Schopnost hodnotit kvalitu modelů a prokazovat měřitelná zlepšení.
- Důkladné porozumění škálovatelnosti a nákladům na inferenci ve strojovém učení.
- Dobrá znalost angličtiny pro komunikaci.
- Výhodou: zkušenosti s rozpoznáváním entit, propojováním záznamů nebo deduplikací.
- Výhodou: zkušenosti s řazením a skórováním podobnosti.
- Výhodou: znalost metod vyhledávání, shlukování nebo generování kandidátů.
- Výhodou: zkušenosti s návrhem řešení založených na velkých jazykových modelech nebo embeddingu s ohledem na náklady a škálovatelnost.
- Výhodou: znalost Spark, Snowflake, Databricks nebo BigQuery.
- Výhodou: zkušenosti s firemními daty, doménami, webovými stránkami nebo firemními charakteristikami.
- Výhodou: zkušenosti s vícejazyčnými datovými sadami.
- Analytický přístup a experimentální myšlení.
- Intelektuální poctivost a ochota sdílet negativní výsledky.
- Schopnost pracovat samostatně a přicházet s vlastní iniciativou.
- Výborné písemné a ústní komunikační dovednosti.
- Schopnost vysvětlit technická doporučení zainteresovaným stranám a obhájit je.
- Silné schopnosti řešit problémy.
- Pohodlí při práci s nejednoznačností a rozsáhlými datovými sadami.
- Schopnost vyvažovat kvalitu modelů, náklady a škálovatelnost.
Benefity
- Možnost práce na dálku.
- Příležitost rychle se učit a převzít odpovědnost.
- Spolupráce se zkušenými týmy.
- Práce na moderních řešeních založených na AI a škálovatelných produktech.
- Kultura vysokého výkonu založená na excelenci, týmové práci, respektu, transparentnosti a efektivní komunikaci.