Applaudo ist ein Nearshore-Softwareentwicklungsunternehmen, das Organisationen dabei unterstützt, ihre Technologie zu modernisieren und die digitale Transformation voranzutreiben. Das 2013 gegründete Unternehmen verbindet Fachwissen in Softwareentwicklung und Beratung in den Bereichen Innovation und Experience Design, Anwendungsentwicklung und -wartung, Qualitätssicherung, Cloud-Lösungen, künstliche Intelligenz, Cybersicherheit, Datenlösungen und Modernisierung von Anwendungen. Applaudo betreut Kunden aus Branchen wie Sport, Medien und Unterhaltung, Einzelhandel, Konsumgüter sowie Finanzdienstleistungen und unterstützt Projekte zur Verbesserung digitaler Produkte, Infrastrukturen und der IT-Bereitstellung. Mit Hauptsitz in Austin, Texas, und einem Büro in San Salvador vereint Applaudo ein Team von 501 bis 1.000 Mitarbeitenden, das Unternehmen in der Technologie- und digitalen Dienstleistungsbranche unterstützt.
Senior Applied Data Scientist – Entity Matching (Remote, Peru)
Entwickle bei Applaudo embedding- und LLM-basierte Modelle, um Unternehmen und Entitäten zuzuordnen. Werte verrauschte Daten in großem Umfang aus und entwickle präzise KI-Lösungen mit praxisgerechten Abwägungen bei Kosten und Skalierbarkeit.
Beschreibung
- Entwickle und bewerte Machine-Learning-Methoden zur Zuordnung von Unternehmen und Entitäten.
- Erstelle Matching-Ansätze mit Embeddings und Large Language Models.
- Entwirf Bewertungs- und Rankingverfahren, die echte Treffer von Duplikaten, ähnlich wirkenden Datensätzen und nicht zusammengehörigen Entitäten unterscheiden.
- Verarbeite verrauschte Daten zu Namen, Aliasen, Domains, Websites, Unternehmensmerkmalen, Sprachen und Datenhierarchien.
- Erstelle Benchmark-Datensätze, Evaluierungsmetriken und Baselines und führe Fehleranalysen durch.
- Plane und führe Experimente zur Überprüfung von Hypothesen durch.
- Vergleiche LLM-gestützte Methoden mit kostengünstigeren Alternativen.
- Untersuche das Modellverhalten, Grenzfälle und Zielkonflikte.
- Berücksichtige von Anfang an Inferenzkosten und Skalierbarkeit.
- Teile experimentelle Ergebnisse und Empfehlungen mit Partnern aus Engineering und Business.
- Richte eigenständig Forschungsmethoden und Experiment-Pipelines ein.
- Dokumentiere positive wie negative experimentelle Ergebnisse klar.
Anforderungen
- Mindestens fünf Jahre Berufserfahrung in Data Science oder Machine Learning.
- Fundierte praktische Kenntnisse im Machine Learning.
- Sehr gute Python- und SQL-Kenntnisse.
- Praktische Erfahrung mit Embeddings und semantischer Ähnlichkeit.
- Erfahrung mit dem Einsatz von Large Language Models für reale Problemstellungen.
- Erfahrung mit überwachtem und unüberwachtem Lernen.
- Fundierte Kenntnisse in Klassifikation und Natural Language Processing.
- Grundkenntnisse neuronaler Netze und Transformer-Architekturen.
- Praktische Erfahrung mit TensorFlow, PyTorch, PyCaret oder einem vergleichbaren Machine-Learning-Framework.
- Erfahrung mit dem erneuten Training oder der Wartung von Klassifikationsmodellen in der Produktion.
- Sehr gute Kenntnisse in Versuchsplanung und Modellbewertung.
- Erfahrung mit dem Festlegen von Baselines, Metriken und Testsätzen sowie mit Fehleranalyseprozessen.
- Fähigkeit, die Modellqualität zu bewerten und messbare Verbesserungen nachzuweisen.
- Fundiertes Verständnis von Skalierbarkeit und Inferenzkosten im Machine Learning.
- Sehr gute Englischkenntnisse in Wort und Schrift.
- Von Vorteil: Erfahrung mit Entity Resolution, Record Linkage oder Deduplizierung.
- Von Vorteil: Erfahrung mit Ranking und Ähnlichkeitsbewertungen.
- Von Vorteil: Vertrautheit mit Retrieval-, Clustering- oder Candidate-Generation-Verfahren.
- Von Vorteil: Erfahrung mit dem Entwurf von LLM- oder Embedding-Lösungen unter Kosten- und Skalierbarkeitsvorgaben.
- Von Vorteil: Vertrautheit mit Spark, Snowflake, Databricks oder BigQuery.
- Von Vorteil: Erfahrung mit Unternehmens-, Domain-, Website- oder Firmografiedaten.
- Von Vorteil: Erfahrung mit mehrsprachigen Datensätzen.
- Analytische Herangehensweise und experimentelle Denkweise.
- Wissenschaftliche Redlichkeit und Bereitschaft, auch negative Ergebnisse zu teilen.
- Fähigkeit, selbstständig zu arbeiten und Eigeninitiative zu zeigen.
- Ausgeprägte schriftliche und mündliche Kommunikationsfähigkeiten.
- Fähigkeit, technische Empfehlungen zu erläutern und gegenüber Stakeholdern zu vertreten.
- Ausgeprägte Problemlösungskompetenz.
- Sicherer Umgang mit unklaren Anforderungen und großen Datensätzen.
- Fähigkeit, Modellqualität, Kosten und Skalierbarkeit gegeneinander abzuwägen.
Zusatzleistungen
- Möglichkeit, remote zu arbeiten.
- Möglichkeit, schnell zu lernen und Verantwortung zu übernehmen.
- Zusammenarbeit mit erfahrenen Teams.
- Arbeit an modernen KI-Lösungen und skalierbaren Produkten.
- Leistungskultur mit Fokus auf Exzellenz, Teamarbeit, Respekt, Transparenz und wirksame Kommunikation.