Applaudo je nearshore tvrtka za razvoj softvera usmjerena na pomoć organizacijama u modernizaciji tehnologije i napretku digitalne transformacije. Osnovana 2013. godine, tvrtka objedinjuje stručnost u softverskom inženjerstvu i savjetovanju u područjima inovacija i dizajna korisničkog iskustva, razvoja i održavanja aplikacija, osiguranja kvalitete, računalnih rješenja u oblaku, umjetne inteligencije, kibernetičke sigurnosti, podatkovnih rješenja i modernizacije aplikacija. Applaudo pruža usluge klijentima iz sektora sporta, medija i zabave, maloprodaje, robe široke potrošnje i financijskih usluga te podržava projekte koji unapređuju digitalne proizvode, infrastrukturu i isporuku IT usluga. Sa sjedištem u Austinu u Teksasu i uredom u San Salvadoru, Applaudo okuplja tim od 501 do 1.000 zaposlenika koji pružaju usluge poduzećima u području tehnologije i digitalnih usluga.
Viši stručnjak za primijenjenu znanost o podacima – povezivanje entiteta (rad na daljinu, Peru)
U Applaudu ćete razvijati modele temeljene na ugrađivanjima i velikim jezičnim modelima za povezivanje tvrtki i entiteta. Analizirat ćete opsežne podatke s mnogo šuma i graditi precizna rješenja umjetne inteligencije uz praktično razmatranje troškova i skalabilnosti.
Opis
- Razvijati i procjenjivati metode strojnog učenja za povezivanje tvrtki i entiteta.
- Stvarati pristupe povezivanju pomoću ugrađivanja i velikih jezičnih modela.
- Osmisliti metode bodovanja i rangiranja koje razlikuju stvarna podudaranja od duplikata, zapisa sličnog izgleda i nepovezanih entiteta.
- Raditi s podacima s mnogo šuma o nazivima, aliasima, domenama, web-stranicama, podacima o tvrtkama, jezicima i hijerarhijama podataka.
- Pripremati referentne skupove podataka, metrike za evaluaciju, osnovne modele i analizu pogrešaka.
- Planirati i provoditi eksperimente za testiranje hipoteza.
- Uspoređivati metode uz pomoć velikih jezičnih modela s ekonomičnijim mogućnostima.
- Istraživati ponašanje modela, rubne slučajeve i kompromise.
- Od početka uzimati u obzir troškove izvođenja modela i skalabilnost.
- Dijeliti rezultate eksperimenata i preporuke s tehničkim i poslovnim partnerima.
- Samostalno postavljati istraživačke metode i tijekove eksperimentiranja.
- Jasno bilježiti i pozitivne i negativne rezultate eksperimenata.
Zahtjevi
- Najmanje pet godina stručnog iskustva u znanosti o podacima ili strojnom učenju.
- Čvrsti praktični temelji strojnog učenja.
- Izvrsno poznavanje Pythona i SQL-a.
- Praktično iskustvo s ugrađivanjima i semantičkom sličnošću.
- Iskustvo u primjeni velikih jezičnih modela na stvarne probleme.
- Iskustvo s nadziranim i nenadziranim učenjem.
- Čvrsto znanje klasifikacije i obrade prirodnog jezika.
- Radno poznavanje neuronskih mreža i transformatorskih arhitektura.
- Praktično iskustvo s TensorFlowom, PyTorchem, PyCaretom ili usporedivim okvirom za strojno učenje.
- Iskustvo u ponovnom treniranju ili održavanju produkcijskih klasifikacijskih modela.
- Izvrsne vještine osmišljavanja eksperimenata i evaluacije modela.
- Iskustvo u postavljanju osnovnih vrijednosti, metrika, testnih skupova i postupaka analize pogrešaka.
- Sposobnost procjene kvalitete modela i pokazivanja mjerljivih poboljšanja.
- Dobro razumijevanje skalabilnosti i troškova izvođenja modela strojnog učenja.
- Izvrsne komunikacijske vještine na engleskom jeziku.
- Prednost: iskustvo u razrješavanju entiteta, povezivanju zapisa ili uklanjanju duplikata.
- Prednost: iskustvo s rangiranjem i bodovanjem sličnosti.
- Prednost: poznavanje tehnika dohvaćanja, grupiranja ili generiranja kandidata.
- Prednost: iskustvo u osmišljavanju rješenja s velikim jezičnim modelima ili ugrađivanjima uz ograničenja troškova i skalabilnosti.
- Prednost: poznavanje Sparka, Snowflakea, Databricksa ili BigQueryja.
- Prednost: iskustvo s podacima o tvrtkama, domenama, web-stranicama ili poslovnim podacima.
- Prednost: iskustvo u radu s višejezičnim skupovima podataka.
- Analitičan pristup i eksperimentalni način razmišljanja.
- Intelektualna iskrenost i spremnost na dijeljenje negativnih rezultata.
- Sposobnost samostalnog rada i preuzimanja inicijative.
- Izvrsna pisana i usmena komunikacija.
- Sposobnost objašnjavanja i obrazlaganja tehničkih preporuka dionicima.
- Izvrsne vještine rješavanja problema.
- Ugodan rad s nejasnim zahtjevima i velikim skupovima podataka.
- Sposobnost usklađivanja kvalitete modela, troškova i skalabilnosti.
Pogodnosti
- Mogućnost rada na daljinu.
- Prilika za brzo učenje i preuzimanje odgovornosti.
- Suradnja s vještim timovima.
- Rad na modernim rješenjima temeljenima na umjetnoj inteligenciji i skalabilnim proizvodima.
- Kultura visokih rezultata usmjerena na izvrsnost, timski rad, poštovanje, transparentnost i učinkovitu komunikaciju.