Applaudo adalah perusahaan pengembangan perangkat lunak nearshore yang berfokus membantu organisasi memodernisasi teknologi dan memajukan transformasi digital. Didirikan pada tahun 2013, perusahaan ini memadukan keahlian rekayasa perangkat lunak dan konsultasi dalam bidang inovasi dan desain pengalaman, pengembangan dan pemeliharaan aplikasi, jaminan kualitas, solusi cloud, kecerdasan buatan, keamanan siber, solusi data, serta modernisasi aplikasi. Applaudo melayani klien di sektor olahraga, media dan hiburan, ritel, barang kemasan konsumen, serta layanan keuangan, dengan mendukung proyek-proyek yang meningkatkan produk digital, infrastruktur, dan penyampaian layanan TI. Dengan kantor pusat di Austin, Texas, dan kantor di San Salvador, Applaudo menghimpun 501–1.000 karyawan untuk melayani berbagai perusahaan di bidang teknologi dan layanan digital.
Ilmuwan Data Terapan Senior – Pencocokan Entitas (Jarak Jauh, Peru)
Di Applaudo, kembangkan model berbasis embedding dan LLM untuk mencocokkan perusahaan dan entitas. Evaluasi data berskala besar yang penuh gangguan demi membangun solusi AI yang akurat dengan mempertimbangkan biaya dan skala secara praktis.
Deskripsi
- Bangun dan evaluasi metode pembelajaran mesin untuk mencocokkan perusahaan dan entitas.
- Buat pendekatan pencocokan menggunakan embedding dan model bahasa besar.
- Rancang metode penilaian dan pemeringkatan yang membedakan kecocokan yang benar dari duplikat, catatan yang tampak serupa, dan entitas yang tidak berkaitan.
- Tangani data yang penuh gangguan, termasuk nama, alias, domain, situs web, detail firmografis, bahasa, dan hierarki data.
- Siapkan kumpulan data tolok ukur, metrik evaluasi, baseline, dan analisis kesalahan.
- Rencanakan dan jalankan eksperimen untuk menguji hipotesis.
- Bandingkan metode berbantuan LLM dengan pilihan yang lebih hemat biaya.
- Selidiki perilaku model, kasus tepi, dan kompromi yang ada.
- Perhitungkan biaya inferensi dan skalabilitas sejak awal.
- Bagikan hasil eksperimen dan rekomendasi kepada mitra dari bidang rekayasa dan bisnis.
- Siapkan metode riset dan alur eksperimen secara mandiri.
- Catat hasil eksperimen yang positif maupun negatif dengan jelas.
Persyaratan
- Pengalaman profesional minimal lima tahun di bidang ilmu data atau pembelajaran mesin.
- Dasar praktis yang kuat dalam pembelajaran mesin.
- Kemampuan Python dan SQL yang sangat baik.
- Pengalaman praktis menggunakan embedding dan kemiripan semantik.
- Pengalaman menerapkan model bahasa besar untuk masalah di dunia nyata.
- Pengalaman dengan pembelajaran terawasi dan tanpa pengawasan.
- Latar belakang yang kuat dalam klasifikasi dan pemrosesan bahasa alami.
- Pengetahuan kerja tentang jaringan saraf dan arsitektur transformer.
- Pengalaman langsung menggunakan TensorFlow, PyTorch, PyCaret, atau kerangka kerja pembelajaran mesin sejenis.
- Pengalaman melatih ulang atau memelihara model klasifikasi di lingkungan produksi.
- Kemampuan yang kuat dalam desain eksperimen dan evaluasi model.
- Pengalaman menetapkan baseline, metrik, set pengujian, dan proses analisis kesalahan.
- Mampu menilai kualitas model dan menunjukkan peningkatan yang terukur.
- Pemahaman yang kuat tentang skalabilitas dan biaya inferensi pembelajaran mesin.
- Kemampuan komunikasi bahasa Inggris yang kuat.
- Diutamakan: Pengalaman dalam resolusi entitas, pengaitan rekaman, atau deduplikasi.
- Diutamakan: Pengalaman dengan pemeringkatan dan penilaian kemiripan.
- Diutamakan: Pemahaman tentang teknik retrieval, pengelompokan, atau pembuatan kandidat.
- Diutamakan: Pengalaman merancang solusi LLM atau embedding dengan mempertimbangkan batasan biaya dan skala.
- Diutamakan: Pemahaman tentang Spark, Snowflake, Databricks, atau BigQuery.
- Diutamakan: Pengalaman menangani data perusahaan, domain, situs web, atau firmografis.
- Diutamakan: Pengalaman bekerja dengan kumpulan data multibahasa.
- Pendekatan analitis dan pola pikir eksperimental.
- Jujur secara intelektual dan bersedia membagikan hasil negatif.
- Mampu bekerja mandiri dan mengambil inisiatif.
- Kemampuan komunikasi lisan dan tulisan yang sangat baik.
- Mampu menjelaskan dan mendukung rekomendasi teknis kepada para pemangku kepentingan.
- Kemampuan pemecahan masalah yang kuat.
- Nyaman bekerja dalam situasi yang ambigu dan dengan kumpulan data berskala besar.
- Mampu menyeimbangkan kualitas model, biaya, dan skalabilitas.
Tunjangan
- Pilihan untuk bekerja jarak jauh.
- Kesempatan untuk belajar dengan cepat dan mengambil tanggung jawab.
- Bekerja bersama tim yang terampil.
- Mengerjakan solusi berbasis AI modern dan produk yang dapat diskalakan.
- Budaya kerja berkinerja tinggi yang mengutamakan keunggulan, kerja sama tim, rasa hormat, transparansi, dan komunikasi efektif.