Applaudo es una empresa de desarrollo de software nearshore centrada en ayudar a las organizaciones a modernizar su tecnología y avanzar en su transformación digital. Fundada en 2013, la empresa combina experiencia en ingeniería de software y consultoría en áreas como innovación y diseño de experiencias, desarrollo y mantenimiento de aplicaciones, aseguramiento de la calidad, soluciones en la nube, inteligencia artificial, ciberseguridad, soluciones de datos y modernización de aplicaciones. Applaudo presta servicios a clientes de sectores como el deporte, los medios de comunicación y el entretenimiento, el comercio minorista, los bienes de consumo envasados y los servicios financieros, y apoya proyectos que mejoran los productos digitales, la infraestructura y la prestación de servicios de TI. Con sede en Austin, Texas, y una oficina en San Salvador, Applaudo reúne a un equipo de entre 501 y 1.000 empleados que presta servicios a empresas de todo el sector tecnológico y de servicios digitales.
Científico/a de Datos Aplicados Sénior – Coincidencia de Entidades (Remoto, Perú)
En Applaudo, desarrollarás modelos basados en embeddings y LLM para relacionar empresas y entidades. Evaluarás datos ruidosos a gran escala para crear soluciones de IA precisas, equilibrando costes y escalabilidad.
Descripción
- Desarrollar y evaluar métodos de aprendizaje automático para relacionar empresas y entidades.
- Crear métodos de coincidencia con embeddings y modelos de lenguaje grandes.
- Diseñar métodos de puntuación y clasificación que distingan coincidencias reales de duplicados, registros parecidos y entidades sin relación.
- Gestionar datos ruidosos sobre nombres, alias, dominios, sitios web, datos firmográficos, idiomas y jerarquías de datos.
- Preparar conjuntos de datos de referencia, métricas de evaluación, líneas base y análisis de errores.
- Planificar y ejecutar experimentos para probar hipótesis.
- Comparar métodos asistidos por LLM con alternativas más económicas.
- Investigar el comportamiento de los modelos, los casos límite y las compensaciones.
- Tener en cuenta desde el principio los costes de inferencia y la escalabilidad.
- Compartir resultados experimentales y recomendaciones con los equipos de ingeniería y negocio.
- Establecer métodos de investigación y flujos de experimentación de forma autónoma.
- Registrar con claridad tanto los resultados experimentales positivos como los negativos.
Requisitos
- Al menos cinco años de experiencia profesional en ciencia de datos o aprendizaje automático.
- Sólidos conocimientos prácticos de aprendizaje automático.
- Excelente dominio de Python y SQL.
- Experiencia práctica con embeddings y similitud semántica.
- Experiencia aplicando modelos de lenguaje grandes a problemas reales.
- Experiencia con aprendizaje supervisado y no supervisado.
- Amplia experiencia en clasificación y procesamiento del lenguaje natural.
- Conocimientos prácticos de redes neuronales y arquitecturas transformer.
- Experiencia práctica con TensorFlow, PyTorch, PyCaret o un framework de aprendizaje automático comparable.
- Experiencia reentrenando o manteniendo modelos de clasificación en producción.
- Sólidas habilidades en diseño experimental y evaluación de modelos.
- Experiencia estableciendo líneas base, métricas, conjuntos de prueba y procesos de análisis de errores.
- Capacidad para evaluar la calidad de los modelos y demostrar mejoras cuantificables.
- Sólido conocimiento de la escalabilidad y los costes de inferencia del aprendizaje automático.
- Sólidas habilidades de comunicación en inglés.
- Se valorará: experiencia en resolución de entidades, vinculación de registros o eliminación de duplicados.
- Se valorará: experiencia en clasificación por relevancia y puntuación de similitud.
- Se valorará: conocimientos de recuperación de información, agrupamiento o generación de candidatos.
- Se valorará: experiencia diseñando soluciones con LLM o embeddings dentro de límites de coste y escala.
- Se valorará: familiaridad con Spark, Snowflake, Databricks o BigQuery.
- Se valorará: experiencia con datos de empresas, dominios, sitios web o datos firmográficos.
- Se valorará: experiencia trabajando con conjuntos de datos multilingües.
- Enfoque analítico y mentalidad experimental.
- Honestidad intelectual y disposición para compartir resultados negativos.
- Capacidad para trabajar con autonomía y tomar la iniciativa.
- Excelentes habilidades de comunicación oral y escrita.
- Capacidad para explicar y defender recomendaciones técnicas ante las partes interesadas.
- Sólidas habilidades para resolver problemas.
- Comodidad al trabajar con ambigüedad y conjuntos de datos a gran escala.
- Capacidad para equilibrar la calidad del modelo, el coste y la escalabilidad.
Beneficios
- Opción de trabajo remoto.
- Oportunidad de aprender rápidamente y asumir responsabilidades.
- Colaboración con equipos cualificados.
- Trabajo en soluciones modernas basadas en IA y productos escalables.
- Una cultura de alto rendimiento centrada en la excelencia, el trabajo en equipo, el respeto, la transparencia y la comunicación eficaz.