A Applaudo é uma empresa de desenvolvimento de software nearshore focada em ajudar organizações a modernizar sua tecnologia e avançar em sua transformação digital. Fundada em 2013, a empresa combina experiência em engenharia de software e consultoria em áreas como inovação e design de experiências, desenvolvimento e manutenção de aplicações, garantia de qualidade, soluções em nuvem, inteligência artificial, cibersegurança, soluções de dados e modernização de aplicações. A Applaudo atende clientes de setores como esportes, mídia e entretenimento, varejo, bens de consumo embalados e serviços financeiros, apoiando projetos que aprimoram produtos digitais, infraestrutura e a entrega de serviços de TI. Com sede em Austin, Texas, e um escritório em San Salvador, a Applaudo reúne uma equipe de 501 a 1.000 funcionários que atende empresas em todo o setor de tecnologia e serviços digitais.
Cientista de Dados Aplicados Sênior – Correspondência de Entidades (Remoto, Peru)
Na Applaudo, você desenvolverá modelos baseados em embeddings e LLMs para relacionar empresas e entidades. Você avaliará dados ruidosos em grande escala para criar soluções precisas de IA, equilibrando custos e escalabilidade.
Descrição
- Desenvolver e avaliar métodos de aprendizado de máquina para relacionar empresas e entidades.
- Criar abordagens de correspondência com embeddings e modelos de linguagem grandes.
- Projetar métodos de pontuação e classificação que diferenciem correspondências reais de duplicatas, registros parecidos e entidades sem relação.
- Trabalhar com dados ruidosos sobre nomes, aliases, domínios, sites, dados firmográficos, idiomas e hierarquias de dados.
- Preparar conjuntos de dados de referência, métricas de avaliação, linhas de base e análise de erros.
- Planejar e executar experimentos para testar hipóteses.
- Comparar métodos assistidos por LLM com opções mais econômicas.
- Investigar o comportamento dos modelos, casos extremos e compensações.
- Considerar desde o início os custos de inferência e a escalabilidade.
- Compartilhar resultados experimentais e recomendações com as equipes de engenharia e negócios.
- Definir métodos de pesquisa e pipelines de experimentação de forma independente.
- Registrar com clareza os resultados experimentais positivos e negativos.
Requisitos
- Pelo menos cinco anos de experiência profissional em ciência de dados ou aprendizado de máquina.
- Sólida base prática em aprendizado de máquina.
- Excelente domínio de Python e SQL.
- Experiência prática com embeddings e similaridade semântica.
- Experiência aplicando modelos de linguagem grandes a problemas do mundo real.
- Experiência com aprendizado supervisionado e não supervisionado.
- Forte experiência em classificação e processamento de linguagem natural.
- Conhecimento prático de redes neurais e arquiteturas transformer.
- Experiência prática com TensorFlow, PyTorch, PyCaret ou uma estrutura de aprendizado de máquina comparável.
- Experiência retreinando ou mantendo modelos de classificação em produção.
- Sólidas habilidades em desenho experimental e avaliação de modelos.
- Experiência definindo linhas de base, métricas, conjuntos de teste e processos de análise de erros.
- Capacidade de avaliar a qualidade dos modelos e demonstrar ganhos mensuráveis.
- Sólido entendimento de escalabilidade e dos custos de inferência de aprendizado de máquina.
- Boas habilidades de comunicação em inglês.
- Será considerado um diferencial: experiência em resolução de entidades, vinculação de registros ou deduplicação.
- Será considerado um diferencial: experiência com classificação e pontuação de similaridade.
- Será considerado um diferencial: familiaridade com recuperação de informação, agrupamento ou geração de candidatos.
- Será considerado um diferencial: experiência projetando soluções com LLMs ou embeddings dentro de restrições de custo e escala.
- Será considerado um diferencial: familiaridade com Spark, Snowflake, Databricks ou BigQuery.
- Será considerado um diferencial: experiência com dados de empresas, domínios, sites ou dados firmográficos.
- Será considerado um diferencial: experiência trabalhando com conjuntos de dados multilíngues.
- Perfil analítico e mentalidade experimental.
- Honestidade intelectual e disposição para compartilhar resultados negativos.
- Capacidade de trabalhar com autonomia e tomar iniciativa.
- Excelentes habilidades de comunicação oral e escrita.
- Capacidade de explicar e defender recomendações técnicas com as partes interessadas.
- Fortes habilidades de resolução de problemas.
- Conforto para trabalhar com ambiguidades e conjuntos de dados em grande escala.
- Capacidade de equilibrar qualidade do modelo, custo e escalabilidade.
Benefícios
- Opção de trabalho remoto.
- Oportunidade de aprender rapidamente e assumir responsabilidades.
- Trabalho em conjunto com equipes qualificadas.
- Atuação em soluções modernas baseadas em IA e produtos escaláveis.
- Uma cultura de alto desempenho centrada em excelência, trabalho em equipe, respeito, transparência e comunicação eficaz.