Applaudo är ett nearshorebolag inom mjukvaruutveckling som hjälper organisationer att modernisera sin teknik och driva den digitala omvandlingen framåt. Företaget grundades 2013 och kombinerar expertis inom mjukvaruutveckling och rådgivning inom innovation och upplevelsedesign, utveckling och underhåll av applikationer, kvalitetssäkring, molnlösningar, artificiell intelligens, cybersäkerhet, datalösningar och modernisering av appar. Applaudo arbetar med kunder inom bland annat sport, media och underhållning, detaljhandel, konsumentprodukter och finansiella tjänster. Företaget stödjer projekt som förbättrar digitala produkter, infrastruktur och leveransen av IT-tjänster. Med huvudkontor i Austin, Texas, och ett kontor i San Salvador samlar Applaudo ett team på 501–1 000 medarbetare som betjänar företag inom teknik och digitala tjänster.
Senior dataforskare inom tillämpad AI – entitetsmatchning (distans, Peru)
På Applaudo utvecklar du modeller baserade på inbäddningar och stora språkmodeller för att matcha företag och entiteter. Du utvärderar stora mängder brusiga data och bygger träffsäkra AI-lösningar med avvägningar mellan kostnad och skalbarhet.
Beskrivning
- Utveckla och utvärdera maskininlärningsmetoder för att matcha företag och entiteter.
- Ta fram matchningsmetoder med inbäddningar och stora språkmodeller.
- Utforma poängsättnings- och rangordningsmetoder som skiljer verkliga matchningar från dubbletter, snarlika poster och orelaterade entiteter.
- Hantera brusiga data om namn, alias, domäner, webbplatser, företagsuppgifter, språk och datahierarkier.
- Ta fram benchmarkdatauppsättningar, utvärderingsmått, baslinjer och felanalyser.
- Planera och genomföra experiment för att testa hypoteser.
- Jämföra metoder med stöd av stora språkmodeller med mer kostnadseffektiva alternativ.
- Undersöka modellbeteende, specialfall och avvägningar.
- Ta hänsyn till kostnader för inferens och skalbarhet från början.
- Dela experimentresultat och rekommendationer med teknik- och affärspartner.
- Självständigt ta fram forskningsmetoder och experimentflöden.
- Dokumentera både positiva och negativa experimentresultat tydligt.
Krav
- Minst fem års yrkeserfarenhet inom datavetenskap eller maskininlärning.
- Starka praktiska grunder inom maskininlärning.
- Mycket goda kunskaper i Python och SQL.
- Praktisk erfarenhet av inbäddningar och semantisk likhet.
- Erfarenhet av att tillämpa stora språkmodeller på verkliga problem.
- Erfarenhet av övervakad och oövervakad inlärning.
- Gedigen bakgrund inom klassificering och naturlig språkbehandling.
- Arbetskunskaper om neurala nätverk och transformerarkitekturer.
- Praktisk erfarenhet av TensorFlow, PyTorch, PyCaret eller ett jämförbart maskininlärningsramverk.
- Erfarenhet av att träna om eller underhålla klassificeringsmodeller i produktion.
- Goda kunskaper i experimentdesign och modelutvärdering.
- Erfarenhet av att fastställa baslinjer, mått, testdata och processer för felanalys.
- Förmåga att bedöma modellkvalitet och visa mätbara förbättringar.
- Goda kunskaper om skalbarhet och kostnader för inferens inom maskininlärning.
- Goda kunskaper i engelska, både muntligt och skriftligt.
- Meriterande: Erfarenhet av entitetsmatchning, postlänkning eller deduplicering.
- Meriterande: Erfarenhet av rangordning och likhetspoängsättning.
- Meriterande: Kännedom om informationshämtning, klustring eller metoder för kandidatgenerering.
- Meriterande: Erfarenhet av att utforma lösningar med stora språkmodeller eller inbäddningar med hänsyn till kostnader och skalbarhet.
- Meriterande: Kännedom om Spark, Snowflake, Databricks eller BigQuery.
- Meriterande: Erfarenhet av data om företag, domäner, webbplatser eller företagsuppgifter.
- Meriterande: Erfarenhet av att arbeta med flerspråkiga datauppsättningar.
- Analytiskt förhållningssätt och ett experimentellt arbetssätt.
- Intellektuell ärlighet och vilja att dela negativa resultat.
- Förmåga att arbeta självständigt och ta initiativ.
- Mycket god förmåga att kommunicera skriftligt och muntligt.
- Förmåga att förklara och motivera tekniska rekommendationer för intressenter.
- Stark problemlösningsförmåga.
- Bekväm med att arbeta med otydliga förutsättningar och stora datauppsättningar.
- Förmåga att balansera modellkvalitet, kostnad och skalbarhet.
Förmåner
- Möjlighet att arbeta på distans.
- Möjlighet att lära sig snabbt och ta ansvar.
- Arbeta tillsammans med skickliga team.
- Arbeta med moderna AI-baserade lösningar och skalbara produkter.
- En högpresterande kultur med fokus på kvalitet, samarbete, respekt, transparens och effektiv kommunikation.