Η Applaudo είναι εταιρεία ανάπτυξης λογισμικού nearshore, η οποία επικεντρώνεται στην υποστήριξη οργανισμών για τον εκσυγχρονισμό της τεχνολογίας τους και την προώθηση του ψηφιακού μετασχηματισμού. Ιδρύθηκε το 2013 και συνδυάζει τεχνογνωσία στη μηχανική λογισμικού και στις συμβουλευτικές υπηρεσίες στους τομείς της καινοτομίας και του σχεδιασμού εμπειρίας, της ανάπτυξης και συντήρησης εφαρμογών, της διασφάλισης ποιότητας, των λύσεων cloud, της τεχνητής νοημοσύνης, της κυβερνοασφάλειας, των λύσεων δεδομένων και του εκσυγχρονισμού εφαρμογών. Η Applaudo εξυπηρετεί πελάτες στους κλάδους του αθλητισμού, των μέσων ενημέρωσης και της ψυχαγωγίας, του λιανικού εμπορίου, των συσκευασμένων καταναλωτικών προϊόντων και των χρηματοοικονομικών υπηρεσιών, υποστηρίζοντας έργα που βελτιώνουν τα ψηφιακά προϊόντα, τις υποδομές και την παροχή υπηρεσιών πληροφορικής. Με έδρα το Όστιν του Τέξας και γραφείο στο Σαν Σαλβαδόρ, η Applaudo συγκεντρώνει μια ομάδα 501–1.000 εργαζομένων που εξυπηρετεί επιχειρήσεις σε όλο το φάσμα της τεχνολογίας και των ψηφιακών υπηρεσιών.
Ανώτερος επιστήμονας εφαρμοσμένων δεδομένων – Αντιστοίχιση οντοτήτων (Εξ αποστάσεως, Περού)
Στην Applaudo, θα αναπτύσσετε μοντέλα βασισμένα σε ενσωματώσεις και μεγάλα γλωσσικά μοντέλα για την αντιστοίχιση εταιρειών και οντοτήτων. Θα αξιολογείτε θορυβώδη δεδομένα μεγάλης κλίμακας, δημιουργώντας ακριβείς λύσεις τεχνητής νοημοσύνης με πρακτική ισορροπία κόστους και κλιμάκωσης.
Περιγραφή
- Ανάπτυξη και αξιολόγηση μεθόδων μηχανικής μάθησης για την αντιστοίχιση εταιρειών και οντοτήτων.
- Δημιουργία προσεγγίσεων αντιστοίχισης με ενσωματώσεις και μεγάλα γλωσσικά μοντέλα.
- Σχεδιασμός μεθόδων βαθμολόγησης και κατάταξης που διαχωρίζουν τις πραγματικές αντιστοιχίσεις από τις διπλές εγγραφές, τις εγγραφές με παρόμοια εμφάνιση και τις άσχετες οντότητες.
- Διαχείριση θορυβωδών δεδομένων που αφορούν ονόματα, ψευδώνυμα, τομείς, ιστότοπους, εταιρικά χαρακτηριστικά, γλώσσες και ιεραρχίες δεδομένων.
- Δημιουργία συνόλων δεδομένων αναφοράς, μετρικών αξιολόγησης, γραμμών βάσης και αναλύσεων σφαλμάτων.
- Σχεδιασμός και εκτέλεση πειραμάτων για τον έλεγχο υποθέσεων.
- Μέτρηση των μεθόδων με υποστήριξη μεγάλων γλωσσικών μοντέλων σε σύγκριση με πιο οικονομικές επιλογές.
- Διερεύνηση της συμπεριφοράς των μοντέλων, των οριακών περιπτώσεων και των συμβιβασμών.
- Συνυπολογισμός του κόστους συμπερασμού και της δυνατότητας κλιμάκωσης από την αρχή.
- Κοινοποίηση πειραματικών αποτελεσμάτων και συστάσεων σε συνεργάτες από τη μηχανική και τις επιχειρηματικές ομάδες.
- Ανεξάρτητη δημιουργία ερευνητικών μεθόδων και ροών πειραμάτων.
- Σαφής καταγραφή τόσο των θετικών όσο και των αρνητικών πειραματικών αποτελεσμάτων.
Απαιτήσεις
- Τουλάχιστον πέντε χρόνια επαγγελματικής εμπειρίας στην επιστήμη δεδομένων ή στη μηχανική μάθηση.
- Ισχυρές πρακτικές βάσεις στη μηχανική μάθηση.
- Εξαιρετική γνώση Python και SQL.
- Πρακτική εμπειρία με ενσωματώσεις και σημασιολογική ομοιότητα.
- Εμπειρία στην εφαρμογή μεγάλων γλωσσικών μοντέλων σε πραγματικά προβλήματα.
- Εμπειρία στην επιβλεπόμενη και μη επιβλεπόμενη μάθηση.
- Ισχυρό υπόβαθρο στην ταξινόμηση και στην επεξεργασία φυσικής γλώσσας.
- Πρακτική γνώση νευρωνικών δικτύων και αρχιτεκτονικών μετασχηματιστών.
- Πρακτική χρήση των TensorFlow, PyTorch, PyCaret ή αντίστοιχου πλαισίου μηχανικής μάθησης.
- Εμπειρία στην επανεκπαίδευση ή συντήρηση μοντέλων ταξινόμησης σε περιβάλλον παραγωγής.
- Ισχυρές δεξιότητες στον πειραματικό σχεδιασμό και στην αξιολόγηση μοντέλων.
- Εμπειρία στον καθορισμό γραμμών βάσης, μετρικών, συνόλων δοκιμών και διαδικασιών ανάλυσης σφαλμάτων.
- Ικανότητα αξιολόγησης της ποιότητας μοντέλων και παρουσίασης μετρήσιμων βελτιώσεων.
- Ισχυρή κατανόηση της δυνατότητας κλιμάκωσης και του κόστους συμπερασμού στη μηχανική μάθηση.
- Ισχυρές δεξιότητες επικοινωνίας στα αγγλικά.
- Επιθυμητό: Εμπειρία στην επίλυση οντοτήτων, στη σύνδεση εγγραφών ή στην αφαίρεση διπλοτύπων.
- Επιθυμητό: Εμπειρία στην κατάταξη και στη βαθμολόγηση ομοιότητας.
- Επιθυμητό: Εξοικείωση με τεχνικές ανάκτησης, ομαδοποίησης ή δημιουργίας υποψηφίων.
- Επιθυμητό: Εμπειρία στον σχεδιασμό λύσεων με μεγάλα γλωσσικά μοντέλα ή ενσωματώσεις υπό περιορισμούς κόστους και κλιμάκωσης.
- Επιθυμητό: Εξοικείωση με Spark, Snowflake, Databricks ή BigQuery.
- Επιθυμητό: Εμπειρία με εταιρικά δεδομένα, δεδομένα τομέων ή ιστότοπων, ή εταιρικά χαρακτηριστικά.
- Επιθυμητό: Εμπειρία στην εργασία με πολυγλωσσικά σύνολα δεδομένων.
- Αναλυτική προσέγγιση και πειραματική νοοτροπία.
- Πνευματική ειλικρίνεια και προθυμία κοινοποίησης αρνητικών αποτελεσμάτων.
- Ικανότητα αυτόνομης εργασίας και ανάληψης πρωτοβουλιών.
- Εξαιρετικές δεξιότητες γραπτής και προφορικής επικοινωνίας.
- Ικανότητα επεξήγησης και τεκμηρίωσης τεχνικών συστάσεων προς τα ενδιαφερόμενα μέρη.
- Ισχυρές δεξιότητες επίλυσης προβλημάτων.
- Άνεση στην εργασία με ασάφεια και σύνολα δεδομένων μεγάλης κλίμακας.
- Ικανότητα εξισορρόπησης της ποιότητας μοντέλου, του κόστους και της δυνατότητας κλιμάκωσης.
Παροχές
- Δυνατότητα εξ αποστάσεως εργασίας.
- Ευκαιρία για γρήγορη μάθηση και ανάληψη ευθύνης.
- Συνεργασία με έμπειρες ομάδες.
- Εργασία σε σύγχρονες λύσεις τεχνητής νοημοσύνης και κλιμακούμενα προϊόντα.
- Κουλτούρα υψηλών επιδόσεων με επίκεντρο την αριστεία, την ομαδική εργασία, τον σεβασμό, τη διαφάνεια και την αποτελεσματική επικοινωνία.