Stefanini LATAM yra technologinių sprendimų teikėja, daugiausia dėmesio skirianti skaitmeninei transformacijai ir verslo modernizavimui. Daugiau nei 30 metų patirtį turinti įmonė padeda organizacijoms tobulinti veiklos modelius ir klientų patirtį pasitelkdama automatizavimą, dirbtinį intelektą, kibernetinį saugumą ir duomenų analitiką. Jos veikla apima konsultavimą ir technologijų diegimą, todėl klientams padedama nustatyti procesų optimizavimo galimybes, reaguoti į besikeičiančias rinkos sąlygas ir siekti tvaraus augimo.
Duomenų mokslininkas, paieškos aktualumas – Santjagas (hibridinis darbas)
Duomenų mokslininko darbas orientuotas į paieškos rezultatų aktualumo ir reitingavimo gerinimą pasaulinėse „Stefanini“ technologijų paslaugose. Naudosite mašininį mokymąsi, „Elasticsearch“ ir „Learning to Rank“, kad pagerintumėte paieškos kokybę ir naudotojų patirtį.
Aprašymas
- Vadovauti paieškos sistemos aktualumo modelių analizei ir kūrimui
- Taikyti duomenų mokslo ir mašininio mokymosi metodus randamumui gerinti
- Optimizuoti rezultatų reitingavimą ir stiprinti paieškos patirtį
- Vertinti paieškos sistemos našumą ir nustatyti tobulinimo galimybes
- Analizuoti istorinius paieškos duomenis, įskaitant užklausas, paspaudimus, konversijas ir pirkimus
- Kurti hibridinius leksinius ir semantinius reitingavimo modelius, įskaitant Reciprocal Rank Fusion (RRF)
- Rengti mokymo duomenų rinkinius „Learning to Rank“ modeliams
- Apibrėžti ir stebėti reitingavimo kokybės rodiklius, tokius kaip NDCG ir MRR
- Bendradarbiauti su paieškos inžinieriumi įgyvendinant analize pagrįstus patobulinimus
Reikalavimai
- Duomenų mokslo ir mašininio mokymosi srities išsilavinimas arba patirtis
- Statistinės analizės ir duomenų modeliavimo patirtis
- „Elasticsearch“ ir paieškos sistemų išmanymas
- Puikūs „Python“, SQL ir duomenų analizės įgūdžiai
- Stiprus analitinis mąstymas
- Gebėjimas bendradarbiauti ir orientacija į rezultatą
- Kompiuterių inžinerijos, duomenų mokslo, statistikos, matematikos ar susijusios srities išsilavinimas
- Patirtis taikant duomenų mokslą ir mašininį mokymąsi dideliems duomenų rinkiniams
- Paieškos sistemų, „Elasticsearch“, „Learning to Rank“ ir modelių vertinimo rodiklių išmanymas