Applaudo è un’azienda di sviluppo software nearshore che aiuta le organizzazioni a modernizzare la propria tecnologia e a portare avanti la trasformazione digitale. Fondata nel 2013, l’azienda combina competenze di ingegneria del software e consulenza in ambiti quali innovazione e progettazione delle esperienze, sviluppo e manutenzione delle applicazioni, garanzia della qualità, soluzioni cloud, intelligenza artificiale, cybersicurezza, soluzioni per i dati e modernizzazione delle applicazioni. Applaudo serve clienti nei settori dello sport, dei media e dell’intrattenimento, della vendita al dettaglio, dei beni di consumo confezionati e dei servizi finanziari, supportando progetti che migliorano i prodotti digitali, le infrastrutture e l’erogazione dei servizi IT. Con sede ad Austin, in Texas, e un ufficio a San Salvador, Applaudo riunisce un team di 501–1.000 dipendenti che serve aziende nell’intero settore tecnologico e dei servizi digitali.
Senior Data Scientist applicato/a – Corrispondenza di entità (Da remoto, Perù)
In Applaudo svilupperai modelli basati su embedding e LLM per abbinare aziende ed entità. Valuterai dati rumorosi su larga scala per creare soluzioni di IA accurate, bilanciando costi e scalabilità.
Descrizione
- Sviluppare e valutare metodi di apprendimento automatico per abbinare aziende ed entità.
- Creare approcci di corrispondenza con embedding e modelli linguistici di grandi dimensioni.
- Progettare metodi di punteggio e classificazione che distinguano le corrispondenze reali dai duplicati, dai record simili e dalle entità non correlate.
- Gestire dati rumorosi relativi a nomi, alias, domini, siti web, dati firmografici, lingue e gerarchie di dati.
- Predisporre dataset di riferimento, metriche di valutazione, baseline e analisi degli errori.
- Pianificare e condurre esperimenti per verificare ipotesi.
- Confrontare i metodi assistiti da LLM con opzioni più economiche.
- Esaminare il comportamento dei modelli, i casi limite e i compromessi.
- Tenere conto fin dall’inizio dei costi di inferenza e della scalabilità.
- Condividere i risultati sperimentali e le raccomandazioni con i team di ingegneria e i partner aziendali.
- Definire in autonomia metodi di ricerca e pipeline di sperimentazione.
- Registrare chiaramente sia i risultati sperimentali positivi sia quelli negativi.
Requisiti
- Almeno cinque anni di esperienza professionale nella scienza dei dati o nell’apprendimento automatico.
- Solide basi pratiche di apprendimento automatico.
- Ottima conoscenza di Python e SQL.
- Esperienza pratica con embedding e similarità semantica.
- Esperienza nell’applicazione di modelli linguistici di grandi dimensioni a problemi reali.
- Esperienza con apprendimento supervisionato e non supervisionato.
- Solida esperienza nella classificazione e nell’elaborazione del linguaggio naturale.
- Conoscenza operativa delle reti neurali e delle architetture transformer.
- Esperienza pratica con TensorFlow, PyTorch, PyCaret o un framework di apprendimento automatico comparabile.
- Esperienza nel riaddestramento o nella manutenzione di modelli di classificazione in produzione.
- Solide competenze nella progettazione di esperimenti e nella valutazione dei modelli.
- Esperienza nella definizione di baseline, metriche, set di test e processi di analisi degli errori.
- Capacità di valutare la qualità dei modelli e dimostrare miglioramenti misurabili.
- Solida comprensione della scalabilità e dei costi di inferenza dell’apprendimento automatico.
- Ottime capacità di comunicazione in inglese.
- Costituisce un titolo preferenziale: esperienza nella risoluzione delle entità, nel collegamento di record o nella deduplicazione.
- Costituisce un titolo preferenziale: esperienza nel ranking e nel punteggio di similarità.
- Costituisce un titolo preferenziale: familiarità con il recupero delle informazioni, il clustering o la generazione di candidati.
- Costituisce un titolo preferenziale: esperienza nella progettazione di soluzioni con LLM o embedding entro vincoli di costo e scala.
- Costituisce un titolo preferenziale: familiarità con Spark, Snowflake, Databricks o BigQuery.
- Costituisce un titolo preferenziale: esperienza con dati aziendali, domini, siti web o dati firmografici.
- Costituisce un titolo preferenziale: esperienza di lavoro con dataset multilingue.
- Approccio analitico e mentalità sperimentale.
- Onestà intellettuale e disponibilità a condividere risultati negativi.
- Capacità di lavorare in autonomia e prendere iniziative.
- Eccellenti capacità di comunicazione scritta e orale.
- Capacità di spiegare e sostenere raccomandazioni tecniche con le parti interessate.
- Ottime capacità di risoluzione dei problemi.
- A proprio agio nel lavorare con ambiguità e dataset su larga scala.
- Capacità di bilanciare qualità del modello, costi e scalabilità.
Benefit
- Possibilità di lavorare da remoto.
- Opportunità di imparare rapidamente e assumersi responsabilità.
- Collaborazione con team qualificati.
- Lavoro su soluzioni moderne basate sull’IA e prodotti scalabili.
- Una cultura ad alte prestazioni incentrata su eccellenza, lavoro di squadra, rispetto, trasparenza e comunicazione efficace.