Ang Expedia Group ay isang pandaigdigang kumpanyang teknolohiya sa paglalakbay na nagpapatakbo sa mga sektor ng hospitality, logistics, at paglalakbay. Sa pamamagitan ng mga tatak tulad ng Expedia, Hotels.com, Vrbo, Travelocity, Egencia, Hotwire, Orbitz, eBookers, CheapTickets, CarRentals, Expedia Cruises, Wotif, at Trivago, tinutulungan nito ang mga biyahero na tumuklas at mag-book ng mga flight, matutuluyan, car rental, cruise, at iba pang karanasan sa paglalakbay. Sinusuportahan ng teknolohiya nito ang mahigit 200 website sa higit 70 bansa, gamit ang pinagsamang datos, artificial intelligence, at mga digital na pakikipag-usap sa customer upang mapahusay ang pagpaplano at pag-book ng biyahe. Nagbibigay rin ang Expedia Group sa mga partner ng mga tool, insight, at imprastrakturang kailangan nila upang mapaunlad at mapamahalaan ang kanilang mga negosyong pangpaglalakbay.
Senior na Siyentista sa Machine Learning, Personalization
Bumuo ng mga sistema ng rekomendasyon, pagraranggo, at retrieval para sa pandaigdigang plataporma sa paglalakbay ng Expedia Group. Gawing mga karanasan sa personalization na handa sa produksyon ang makabagong pananaliksik sa machine learning.
Paglalarawan
- Bumuo ng mga solusyon sa machine learning para sa mga hamon sa personalization, produkto, at negosyo.
- Gawing mga nasusukat na modelo, eksperimento, at kakayahan sa produksyon ang mga pagkakataong hindi pa malinaw.
- Pangunahan ang gawaing siyentipiko mula sa pagtukoy ng problema at pagsusuri ng data hanggang sa feature engineering, pagbuo ng modelo, pagsusuri, at pag-ulit.
- Makipagtulungan sa mga pangkat sa engineering, produkto, at negosyo upang maisama ang machine learning sa mga serbisyo at daloy ng trabaho.
- Mag-ambag sa disenyo ng system at API at sa pagmomodelo ng data kung naaangkop.
- Pumili ng angkop na mga pamamaraan, patunayan ang mga resulta, at pagbutihin ang performance, pagiging maaasahan, at kalidad ng pagpapatakbo ng modelo.
- Ligtas na isama at patakbuhin ang mga solusyon sa AI at machine learning upang mapahusay ang mga resulta.
- Ibahagi ang kadalubhasaan sa pamamagitan ng mga eksperimento, dokumentasyon, paggabay, at mga paraang magagamit muli.
- Tumulong sa pagbuo ng mga deep learning personalization system para sa rekomendasyon, pagraranggo, retrieval, pag-unawa sa manlalakbay, sequential modeling, at mga foundation model.
- Gabayan ang teknikal na direksiyon, patatagin ang mga gawi sa pagmomodelo, at gumabay sa kapwa siyentista.
Mga Kinakailangan
- Bachelor’s degree sa computer science o kaugnay na teknikal na larangan, o katumbas na may-kaugnayang propesyonal na karanasan.
- Hindi bababa sa walong taong may-kaugnayang propesyonal na karanasan.
- Napatunayang pagmamay-ari at pananagutan sa mga solusyon sa machine learning sa antas ng serbisyo o maraming serbisyo, mula sa pagtukoy ng problema at pagbuo ng modelo hanggang sa pagsusuri at paglalagay sa operasyon.
- Matibay na pundasyon sa mga pamamaraan ng machine learning, pagsusuring estadistikal, eksperimento, at pagpapasya batay sa data.
- Praktikal na karanasan sa coding sa mga siyentipiko at pang-produksiyong kapaligiran.
- Karanasan sa pakikipagtulungan sa iba't ibang tungkulin upang mag-deploy ng mga teknikal na solusyon.
- Karanasan sa pagbuo ng mga nasusukat na modelo, pagmomodelo ng data, at pagsasama ng mga solusyon sa mga software system.
- Mas gusto: advanced degree sa machine learning, computer science, estadistika, matematika, engineering, o iba pang larangang kwantitatibo.
- Mas gusto: karanasan sa paghahatid ng mga solusyon sa machine learning sa malaking saklaw, kabilang ang arkitektura, pagsubaybay sa produksyon, pamamahala sa siklo ng buhay ng modelo, at kahusayan sa operasyon.
- Mas gusto: karanasan sa mga sistema ng rekomendasyon, pagraranggo, retrieval, paghahanap, personalization, advertising, marketplace, e-commerce, o kahalintulad na masalimuot na sistema ng machine learning.
- Mas gusto: karanasan sa mga neural recommendation system, sunod-sunod o session-based na rekomendasyon, transformer-based na recommender, semantic o generative retrieval, o malawakang pagkatuto ng representasyon.
- Mas gusto: karanasan sa foundation model, malalaking language model, embedding model, semantic ID, hybrid na LLM-recommender system, two-stage retrieval at ranking, o mga workflow sa personalization na gumagamit ng retrieval-augmented na paraan.
- Mas gusto: mga ambag sa komunidad ng machine learning o recommender system, gaya ng akademikong publikasyon, patent, open-source na proyekto, teknikal na blog post, o mga talumpati sa industriya.
Mga Benepisyo
- Saklaw para sa medikal, dental, at paningin.
- Bayad na leave.
- Employee Assistance Program.
- Reimbursement para sa wellness.
- Reimbursement para sa paglalakbay.
- Mga diskuwento sa paglalakbay.
- Miyembro ng International Airlines Travel Agent Network (IATAN).
- Suporta sa akomodasyon o pagbabago sa proseso ng aplikasyon o recruitment para sa mga taong may kapansanan.