
Applaudo ایک نیئر شور سافٹ ویئر ڈویلپمنٹ کمپنی ہے جو اداروں کو ٹیکنالوجی کو جدید بنانے اور ڈیجیٹل تبدیلی کو آگے بڑھانے میں مدد فراہم کرنے پر توجہ مرکوز کرتی ہے۔ 2013 میں قائم ہونے والی یہ کمپنی جدت اور تجربہ ڈیزائن، ایپلیکیشن ڈویلپمنٹ اور دیکھ بھال، کوالٹی اشورنس، کلاؤڈ سلوشنز، مصنوعی ذہانت، سائبر سکیورٹی، ڈیٹا سلوشنز اور ایپ جدید کاری کے شعبوں میں سافٹ ویئر انجینئرنگ اور مشاورتی مہارت کو یکجا کرتی ہے۔ Applaudo کھیلوں، میڈیا اور تفریح، ریٹیل، صارفین کے پیک شدہ سامان اور مالیاتی خدمات سمیت مختلف شعبوں کے کلائنٹس کو خدمات فراہم کرتی ہے اور ایسے منصوبوں میں معاونت کرتی ہے جو ڈیجیٹل مصنوعات، بنیادی ڈھانچے اور آئی ٹی کی فراہمی کو بہتر بناتے ہیں۔ آسٹن، ٹیکساس میں ہیڈکوارٹر اور سان سالوادور میں ایک دفتر کے ساتھ، Applaudo ٹیکنالوجی اور ڈیجیٹل خدمات کے شعبے میں کاروباروں کو خدمات فراہم کرنے والی 501–1,000 ملازمین پر مشتمل ٹیم کو یکجا کرتی ہے۔
سینئر اپلائیڈ ڈیٹا سائنٹسٹ – اینٹیٹی میچنگ (ریموٹ، پیرو)
Applaudo میں کمپنیوں اور اداروں کی مماثلت کے لیے ایمبیڈنگ اور LLM پر مبنی ماڈل تیار کریں۔ بڑے اور شور آلود ڈیٹا کا جائزہ لے کر لاگت اور پیمانے کے عملی توازن کے ساتھ درست AI حل بنائیں۔
تفصیل
- کمپنیوں اور اداروں کی مماثلت کے لیے مشین لرننگ کے طریقے بنائیں اور جانچیں۔
- ایمبیڈنگز اور بڑے زبان کے ماڈلز کے ذریعے میچنگ کے طریقے وضع کریں۔
- اسکورنگ اور درجہ بندی کے ایسے طریقے بنائیں جو حقیقی مماثلت کو ڈپلیکیٹس، ملتے جلتے ریکارڈز اور غیر متعلقہ اداروں سے الگ کریں۔
- ناموں، متبادل ناموں، ڈومینز، ویب سائٹس، کمپنی سے متعلق تفصیلات، زبانوں اور ڈیٹا کی درجہ بندیوں میں موجود شور آلود ڈیٹا سنبھالیں۔
- بینچ مارک ڈیٹاسیٹس، جانچ کے پیمانے، بنیادی معیار اور غلطی کا تجزیہ مرتب کریں۔
- مفروضوں کو جانچنے کے لیے تجربات کی منصوبہ بندی اور انجام دہی کریں۔
- LLM کی مدد سے چلنے والے طریقوں کا زیادہ کفایتی متبادل سے موازنہ کریں۔
- ماڈل کے رویے، غیر معمولی صورتوں اور سمجھوتوں کی تحقیق کریں۔
- ابتدا ہی سے اِنفرنس کی لاگت اور توسیع پذیری کو مدنظر رکھیں۔
- تجرباتی نتائج اور سفارشات انجینئرنگ اور کاروباری شراکت داروں کے ساتھ شیئر کریں۔
- تحقیقی طریقے اور تجرباتی پائپ لائنز خود قائم کریں۔
- مثبت اور منفی دونوں تجرباتی نتائج واضح طور پر درج کریں۔
تقاضے
- ڈیٹا سائنس یا مشین لرننگ میں کم از کم پانچ سال کا پیشہ ورانہ تجربہ۔
- مشین لرننگ کی مضبوط عملی بنیاد۔
- Python اور SQL میں بہترین مہارت۔
- ایمبیڈنگز اور معنوی مماثلت کا عملی تجربہ۔
- حقیقی مسائل پر بڑے زبان کے ماڈلز لاگو کرنے کا تجربہ۔
- زیرِ نگرانی اور بغیر نگرانی کی لرننگ کا تجربہ۔
- درجہ بندی اور قدرتی زبان کی پروسیسنگ کا مضبوط پس منظر۔
- نیورل نیٹ ورکس اور ٹرانسفارمر آرکیٹیکچرز کی عملی سمجھ۔
- TensorFlow، PyTorch، PyCaret یا اسی نوعیت کے مشین لرننگ فریم ورک کے عملی استعمال کا تجربہ۔
- پروڈکشن میں درجہ بندی کے ماڈلز کو دوبارہ تربیت دینے یا برقرار رکھنے کا تجربہ۔
- تجربات کے ڈیزائن اور ماڈل کی جانچ میں مضبوط مہارت۔
- بنیادی معیار، پیمانے، ٹیسٹ سیٹس اور غلطی کے تجزیے کے طریقۂ کار مقرر کرنے کا تجربہ۔
- ماڈل کے معیار کا جائزہ لینے اور قابلِ پیمائش بہتری دکھانے کی صلاحیت۔
- توسیع پذیری اور مشین لرننگ اِنفرنس کی لاگت کی مضبوط سمجھ۔
- انگریزی میں مضبوط ابلاغی صلاحیت۔
- ترجیحی: اینٹیٹی ریزولوشن، ریکارڈ لنکیج یا ڈپلیکیٹ ختم کرنے کا تجربہ۔
- ترجیحی: درجہ بندی اور مماثلت اسکورنگ کا تجربہ۔
- ترجیحی: ریٹریول، کلسٹرنگ یا ممکنہ امیدوار بنانے کی تکنیکوں سے واقفیت۔
- ترجیحی: لاگت اور پیمانے کی پابندیوں میں LLM یا ایمبیڈنگ حل ڈیزائن کرنے کا تجربہ۔
- ترجیحی: Spark، Snowflake، Databricks یا BigQuery سے واقفیت۔
- ترجیحی: کمپنی، ڈومین، ویب سائٹ یا کمپنی سے متعلق تفصیلات کے ڈیٹا پر کام کرنے کا تجربہ۔
- ترجیحی: کثیر لسانی ڈیٹاسیٹس پر کام کرنے کا تجربہ۔
- تجزیاتی انداز اور تجرباتی سوچ۔
- علمی دیانت داری اور منفی نتائج شیئر کرنے کی آمادگی۔
- خود مختاری سے کام کرنے اور پہل کرنے کی صلاحیت۔
- تحریری اور زبانی ابلاغ میں بہترین مہارت۔
- متعلقہ فریقوں کو تکنیکی سفارشات سمجھانے اور ان کی حمایت کرنے کی صلاحیت۔
- مسائل حل کرنے کی مضبوط مہارت۔
- غیر یقینی صورتِ حال اور بڑے پیمانے کے ڈیٹا کے ساتھ کام کرنے میں اطمینان۔
- ماڈل کے معیار، لاگت اور توسیع پذیری میں توازن قائم کرنے کی صلاحیت۔
مراعات
- دور سے کام کرنے کا اختیار۔
- تیزی سے سیکھنے اور ذمہ داری سنبھالنے کا موقع۔
- ماہر ٹیموں کے ساتھ کام۔
- جدید AI پر مبنی حل اور توسیع پذیر مصنوعات پر کام۔
- اعلیٰ کارکردگی کا ایسا ماحول جو عمدگی، ٹیم ورک، احترام، شفافیت اور مؤثر ابلاغ پر مرکوز ہو۔