Stefanini LATAM je ponudnik tehnoloških rešitev, osredotočen na digitalno preobrazbo in posodobitev poslovanja. Z več kot 30 leti izkušenj organizacijam pomaga izboljšati operativne modele in uporabniško izkušnjo z avtomatizacijo, umetno inteligenco, kibernetsko varnostjo in podatkovno analitiko. Njegovo delo združuje svetovanje z uvajanjem tehnologij ter strankam pomaga prepoznati priložnosti za optimizacijo procesov, odzivanje na spreminjajoče se tržne razmere in doseganje trajnostne rasti.
Podatkovni znanstvenik za ustreznost iskanja – Santiago (hibridno)
Delovno mesto podatkovnega znanstvenika je osredotočeno na izboljšanje ustreznosti in razvrščanja rezultatov iskanja za globalne tehnološke storitve podjetja Stefanini. Uporabljali boste strojno učenje, Elasticsearch in Learning to Rank za izboljšanje kakovosti iskanja in uporabniške izkušnje.
Opis
- Voditi analizo in zasnovo modelov ustreznosti za iskalnik
- Uporabljati tehnike podatkovne znanosti in strojnega učenja za izboljšanje odkrivanja
- Optimizirati razvrščanje rezultatov in izboljšati izkušnjo iskanja
- Ocenjevati učinkovitost iskalnika in prepoznavati priložnosti za izboljšave
- Analizirati zgodovinske podatke iskanja, vključno z iskalnimi poizvedbami, kliki, konverzijami in nakupi
- Zasnovati hibridne leksikalne in semantične modele razvrščanja, vključno z Reciprocal Rank Fusion (RRF)
- Izdelati učne podatkovne zbirke za modele Learning to Rank
- Opredeliti in spremljati metrike kakovosti razvrščanja, kot sta NDCG in MRR
- Sodelovati z inženirjem za iskanje pri uvajanju izboljšav, temelječih na analizi
Zahteve
- Izkušnje na področju podatkovne znanosti in strojnega učenja
- Izkušnje s statistično analizo in modeliranjem podatkov
- Poznavanje Elasticsearcha in iskalnikov
- Odlično znanje Pythona, SQL-a in analize podatkov
- Močno analitično razmišljanje
- Sodelovalen pristop in usmerjenost k rezultatom
- Diploma iz računalniškega inženirstva, podatkovne znanosti, statistike, matematike ali sorodnega področja
- Izkušnje z uporabo podatkovne znanosti in strojnega učenja na velikih podatkovnih zbirkah
- Poznavanje iskalnikov, Elasticsearcha, Learning to Ranka in metrik za vrednotenje modelov