Applaudo est une entreprise de développement logiciel nearshore qui aide les organisations à moderniser leurs technologies et à faire progresser leur transformation numérique. Fondée en 2013, l’entreprise associe une expertise en ingénierie logicielle et en conseil dans des domaines tels que l’innovation et la conception d’expériences, le développement et la maintenance d’applications, l’assurance qualité, les solutions cloud, l’intelligence artificielle, la cybersécurité, les solutions de données et la modernisation des applications. Applaudo accompagne des clients dans des secteurs comme le sport, les médias et le divertissement, le commerce de détail, les biens de consommation emballés et les services financiers, en soutenant des projets qui améliorent les produits numériques, les infrastructures et la fourniture de services informatiques. Basée à Austin, au Texas, et disposant d’un bureau à San Salvador, Applaudo réunit une équipe de 501 à 1 000 employés au service d’entreprises de l’ensemble du secteur des technologies et des services numériques.
Scientifique senior en science des données appliquée – Rapprochement d’entités (Télétravail, Pérou)
Chez Applaudo, vous développerez des modèles fondés sur les embeddings et les LLM pour rapprocher des entreprises et des entités. Vous évaluerez des données bruitées à grande échelle afin de créer des solutions d’IA précises, en conciliant coûts et évolutivité.
Description
- Développer et évaluer des méthodes d’apprentissage automatique pour rapprocher des entreprises et des entités.
- Créer des approches de rapprochement à l’aide d’embeddings et de grands modèles de langage.
- Concevoir des méthodes de score et de classement qui distinguent les correspondances réelles des doublons, des fiches similaires et des entités sans lien.
- Traiter des données bruitées concernant les noms, les alias, les domaines, les sites web, les données firmographiques, les langues et les hiérarchies de données.
- Mettre en place des jeux de données de référence, des métriques d’évaluation, des modèles de référence et une analyse des erreurs.
- Planifier et mener des expériences pour tester des hypothèses.
- Comparer les méthodes assistées par LLM à des options plus économiques.
- Étudier le comportement des modèles, les cas limites et les compromis.
- Prendre en compte dès le départ les coûts d’inférence et l’évolutivité.
- Partager les résultats expérimentaux et les recommandations avec les équipes d’ingénierie et les partenaires métier.
- Définir de manière autonome des méthodes de recherche et des pipelines d’expérimentation.
- Consigner clairement les résultats expérimentaux positifs comme négatifs.
Exigences
- Au moins cinq ans d’expérience professionnelle en science des données ou en apprentissage automatique.
- Solides bases pratiques en apprentissage automatique.
- Excellente maîtrise de Python et SQL.
- Expérience pratique des embeddings et de la similarité sémantique.
- Expérience de l’application de grands modèles de langage à des problèmes concrets.
- Expérience de l’apprentissage supervisé et non supervisé.
- Solide expérience en classification et en traitement automatique du langage naturel.
- Connaissance pratique des réseaux de neurones et des architectures de transformers.
- Expérience pratique de TensorFlow, PyTorch, PyCaret ou d’un framework d’apprentissage automatique comparable.
- Expérience du réentraînement ou de la maintenance de modèles de classification en production.
- Solides compétences en conception expérimentale et en évaluation de modèles.
- Expérience dans la définition de références, de métriques, de jeux de test et de processus d’analyse des erreurs.
- Capacité à évaluer la qualité des modèles et à démontrer des gains mesurables.
- Bonne compréhension de l’évolutivité et des coûts d’inférence de l’apprentissage automatique.
- Excellentes compétences en communication en anglais.
- Atout : expérience en résolution d’entités, en liaison d’enregistrements ou en déduplication.
- Atout : expérience du classement et du score de similarité.
- Atout : connaissance de la recherche d’information, du regroupement ou de la génération de candidats.
- Atout : expérience de la conception de solutions avec des LLM ou des embeddings sous contraintes de coût et d’échelle.
- Atout : connaissance de Spark, Snowflake, Databricks ou BigQuery.
- Atout : expérience des données d’entreprise, de domaine, de site web ou firmographiques.
- Atout : expérience du travail avec des jeux de données multilingues.
- Esprit analytique et approche expérimentale.
- Honnêteté intellectuelle et volonté de partager les résultats négatifs.
- Autonomie et esprit d’initiative.
- Excellentes compétences en communication écrite et orale.
- Capacité à expliquer et à défendre des recommandations techniques auprès des parties prenantes.
- Solides compétences en résolution de problèmes.
- À l’aise avec l’ambiguïté et les jeux de données à grande échelle.
- Capacité à concilier qualité du modèle, coût et évolutivité.
Avantages
- Possibilité de travailler à distance.
- Possibilité d’apprendre rapidement et de prendre des responsabilités.
- Collaboration avec des équipes compétentes.
- Travail sur des solutions modernes basées sur l’IA et des produits évolutifs.
- Une culture de haute performance axée sur l’excellence, le travail d’équipe, le respect, la transparence et une communication efficace.