Applaudo ni kampuni ya nearshore ya ukuzaji wa programu inayolenga kusaidia mashirika kuboresha teknolojia na kuendeleza mabadiliko ya kidijitali. Kampuni hiyo iliyoanzishwa mwaka 2013 inaunganisha utaalamu wa uhandisi wa programu na ushauri katika ubunifu na usanifu wa uzoefu, ukuzaji na matengenezo ya programu, uhakikisho wa ubora, suluhisho za wingu, akili bandia, usalama wa mtandao, suluhisho za data, na uboreshaji wa programu. Applaudo inahudumia wateja katika sekta za michezo, vyombo vya habari na burudani, rejareja, bidhaa zilizofungashwa za watumiaji, na huduma za kifedha, ikisaidia miradi inayoboresha bidhaa za kidijitali, miundombinu, na utoaji wa huduma za TEHAMA. Ikiwa na makao makuu Austin, Texas, na ofisi San Salvador, Applaudo inaunganisha wafanyakazi 501–1,000 wanaohudumia biashara katika nyanja ya teknolojia na huduma za kidijitali.
Mwanasayansi Mwandamizi wa Data Inayotumika – Ulinganishaji wa Huluki (Kazi ya Mbali, Peru)
Applaudo, tengeneza modeli zinazotumia embedding na LLM kulinganisha kampuni na huluki. Tathmini data yenye kelele ya kiwango kikubwa ili kujenga suluhisho sahihi za AI zinazozingatia gharama na uwezo wa kupanuka kwa vitendo.
Maelezo
- Jenga na tathmini mbinu za ujifunzaji wa mashine za kulinganisha kampuni na huluki.
- Tengeneza mbinu za ulinganishaji kwa kutumia embedding na modeli kubwa za lugha.
- Buni mbinu za kuweka alama na kupanga zinazotofautisha ulinganifu halisi na nakala rudufu, rekodi zinazofanana kwa sura, na huluki zisizohusiana.
- Shughulikia data yenye kelele kuhusu majina, majina mengine, vikoa, tovuti, maelezo ya kampuni, lugha, na viwango vya data.
- Andaa seti za data za kiwango rejea, vipimo vya tathmini, viwango msingi, na uchanganuzi wa makosa.
- Panga na endesha majaribio ya kupima dhana.
- Linganisha mbinu zinazosaidiwa na LLM na chaguo zenye gharama nafuu zaidi.
- Chunguza tabia ya modeli, hali zisizo za kawaida, na mambo ya kupima dhidi ya mengine.
- Zingatia gharama za inference na uwezo wa kupanuka tangu mwanzo.
- Shiriki matokeo ya majaribio na mapendekezo na washirika wa uhandisi na biashara.
- Weka mbinu za utafiti na mifumo ya majaribio kwa kujitegemea.
- Rekodi kwa uwazi matokeo chanya na hasi ya majaribio.
Mahitaji
- Angalau miaka mitano ya uzoefu wa kitaaluma katika sayansi ya data au ujifunzaji wa mashine.
- Misingi imara ya vitendo katika ujifunzaji wa mashine.
- Ujuzi bora wa Python na SQL.
- Uzoefu wa vitendo wa embedding na ufanano wa kisemantiki.
- Uzoefu wa kutumia modeli kubwa za lugha kutatua matatizo ya ulimwengu halisi.
- Uzoefu wa ujifunzaji unaosimamiwa na usiosimamiwa.
- Msingi imara katika uainishaji na uchakataji wa lugha asilia.
- Uelewa wa kufanya kazi wa mitandao ya neva na usanifu wa transformer.
- Uzoefu wa moja kwa moja wa kutumia TensorFlow, PyTorch, PyCaret, au mfumo linganishi wa ujifunzaji wa mashine.
- Uzoefu wa kufundisha upya au kudumisha modeli za uainishaji zinazotumika katika uzalishaji.
- Ujuzi imara wa usanifu wa majaribio na tathmini ya modeli.
- Uzoefu wa kuweka viwango msingi, vipimo, seti za majaribio, na taratibu za uchanganuzi wa makosa.
- Uwezo wa kutathmini ubora wa modeli na kuonyesha maboresho yanayopimika.
- Uelewa imara wa uwezo wa kupanuka na gharama za inference ya ujifunzaji wa mashine.
- Ujuzi imara wa mawasiliano kwa Kiingereza.
- Inapendelewa: Uzoefu wa utatuzi wa huluki, uunganishaji wa rekodi, au uondoaji wa nakala rudufu.
- Inapendelewa: Uzoefu wa kupanga na kuweka alama za ufanano.
- Inapendelewa: Ujuzi wa mbinu za urejeshaji, upangaji katika makundi, au uundaji wa wagombea.
- Inapendelewa: Uzoefu wa kubuni suluhisho za LLM au embedding kwa kuzingatia vikwazo vya gharama na uwezo wa kupanuka.
- Inapendelewa: Ujuzi wa Spark, Snowflake, Databricks, au BigQuery.
- Inapendelewa: Uzoefu wa kufanya kazi na data za kampuni, vikoa, tovuti, au maelezo ya kampuni.
- Inapendelewa: Uzoefu wa kufanya kazi na seti za data za lugha nyingi.
- Mbinu ya uchanganuzi na mtazamo wa majaribio.
- Uaminifu wa kiakili na utayari wa kushiriki matokeo hasi.
- Uwezo wa kufanya kazi kwa kujitegemea na kuchukua hatua.
- Ujuzi bora wa mawasiliano ya maandishi na ya mdomo.
- Uwezo wa kueleza na kutetea mapendekezo ya kiufundi kwa wadau.
- Ujuzi imara wa kutatua matatizo.
- Uko tayari kufanya kazi katika hali zisizo na uhakika na kwa seti kubwa za data.
- Uwezo wa kusawazisha ubora wa modeli, gharama, na uwezo wa kupanuka.
Manufaa
- Chaguo la kufanya kazi ukiwa mbali.
- Fursa ya kujifunza kwa haraka na kumiliki majukumu.
- Kufanya kazi pamoja na timu zenye ujuzi.
- Kufanya kazi kwenye suluhisho za kisasa za AI na bidhaa zinazoweza kupanuka.
- Utamaduni wa utendaji wa hali ya juu unaozingatia ubora, kazi ya pamoja, heshima, uwazi, na mawasiliano yenye ufanisi.