Applaudo là một công ty phát triển phần mềm nearshore, tập trung hỗ trợ các tổ chức hiện đại hóa công nghệ và thúc đẩy chuyển đổi số. Được thành lập vào năm 2013, công ty kết hợp chuyên môn về kỹ thuật phần mềm và tư vấn trong các lĩnh vực đổi mới sáng tạo và thiết kế trải nghiệm, phát triển và bảo trì ứng dụng, đảm bảo chất lượng, giải pháp đám mây, trí tuệ nhân tạo, an ninh mạng, giải pháp dữ liệu và hiện đại hóa ứng dụng. Applaudo phục vụ khách hàng trong các lĩnh vực như thể thao, truyền thông và giải trí, bán lẻ, hàng tiêu dùng đóng gói và dịch vụ tài chính, hỗ trợ các dự án nhằm cải thiện sản phẩm số, cơ sở hạ tầng và hoạt động cung cấp dịch vụ CNTT. Với trụ sở tại Austin, Texas và một văn phòng ở San Salvador, Applaudo quy tụ đội ngũ từ 501–1.000 nhân viên, phục vụ các doanh nghiệp trong lĩnh vực công nghệ và dịch vụ số.
Chuyên gia khoa học dữ liệu ứng dụng cấp cao – Đối sánh thực thể (Làm việc từ xa, Peru)
Tại Applaudo, phát triển các mô hình dựa trên embedding và LLM để đối sánh công ty và thực thể. Đánh giá dữ liệu nhiễu ở quy mô lớn nhằm xây dựng giải pháp AI chính xác, cân đối thiết thực giữa chi phí và khả năng mở rộng.
Mô tả
- Xây dựng và đánh giá các phương pháp học máy để đối sánh công ty và thực thể.
- Tạo các phương pháp đối sánh bằng embedding và mô hình ngôn ngữ lớn.
- Thiết kế phương pháp chấm điểm và xếp hạng để phân biệt kết quả khớp thực sự với bản ghi trùng lặp, có vẻ tương tự và thực thể không liên quan.
- Xử lý dữ liệu nhiễu về tên, tên gọi khác, tên miền, trang web, thông tin doanh nghiệp, ngôn ngữ và cấu trúc phân cấp dữ liệu.
- Thiết lập bộ dữ liệu chuẩn, chỉ số đánh giá, đường cơ sở và quy trình phân tích lỗi.
- Lập kế hoạch và tiến hành thử nghiệm để kiểm chứng giả thuyết.
- So sánh các phương pháp có hỗ trợ LLM với những lựa chọn tiết kiệm hơn.
- Tìm hiểu hành vi mô hình, các trường hợp biên và sự đánh đổi.
- Tính đến chi phí suy luận và khả năng mở rộng ngay từ đầu.
- Chia sẻ kết quả thử nghiệm và đề xuất với các đối tác thuộc nhóm kỹ thuật và kinh doanh.
- Tự chủ thiết lập phương pháp nghiên cứu và quy trình thử nghiệm.
- Ghi lại rõ ràng cả kết quả thử nghiệm tích cực lẫn tiêu cực.
Yêu cầu
- Có ít nhất 5 năm kinh nghiệm chuyên môn trong lĩnh vực khoa học dữ liệu hoặc học máy.
- Có nền tảng thực tiễn vững chắc về học máy.
- Thành thạo Python và SQL.
- Có kinh nghiệm thực tiễn với embedding và độ tương đồng ngữ nghĩa.
- Có kinh nghiệm ứng dụng mô hình ngôn ngữ lớn vào các vấn đề thực tế.
- Có kinh nghiệm với học có giám sát và học không giám sát.
- Có kiến thức chuyên sâu về phân loại và xử lý ngôn ngữ tự nhiên.
- Có kiến thức làm việc về mạng nơ-ron và kiến trúc transformer.
- Có kinh nghiệm thực hành với TensorFlow, PyTorch, PyCaret hoặc một khung học máy tương đương.
- Có kinh nghiệm huấn luyện lại hoặc duy trì các mô hình phân loại trong môi trường sản xuất.
- Có kỹ năng vững về thiết kế thử nghiệm và đánh giá mô hình.
- Có kinh nghiệm thiết lập đường cơ sở, chỉ số, bộ dữ liệu kiểm thử và quy trình phân tích lỗi.
- Có khả năng đánh giá chất lượng mô hình và chứng minh mức cải thiện có thể đo lường.
- Hiểu rõ về khả năng mở rộng và chi phí suy luận của học máy.
- Giao tiếp tiếng Anh tốt.
- Ưu tiên: Có kinh nghiệm về phân giải thực thể, liên kết bản ghi hoặc loại bỏ dữ liệu trùng lặp.
- Ưu tiên: Có kinh nghiệm về xếp hạng và chấm điểm độ tương đồng.
- Ưu tiên: Quen thuộc với các kỹ thuật truy xuất, phân cụm hoặc tạo tập ứng viên.
- Ưu tiên: Có kinh nghiệm thiết kế giải pháp LLM hoặc embedding trong giới hạn về chi phí và khả năng mở rộng.
- Ưu tiên: Quen thuộc với Spark, Snowflake, Databricks hoặc BigQuery.
- Ưu tiên: Có kinh nghiệm làm việc với dữ liệu công ty, tên miền, trang web hoặc thông tin doanh nghiệp.
- Ưu tiên: Có kinh nghiệm làm việc với bộ dữ liệu đa ngôn ngữ.
- Có tư duy phân tích và tinh thần thử nghiệm.
- Trung thực về mặt trí tuệ và sẵn sàng chia sẻ kết quả tiêu cực.
- Có khả năng làm việc độc lập và chủ động.
- Có kỹ năng giao tiếp bằng văn bản và lời nói xuất sắc.
- Có khả năng giải thích và bảo vệ các đề xuất kỹ thuật với các bên liên quan.
- Có kỹ năng giải quyết vấn đề tốt.
- Thoải mái làm việc trong môi trường chưa rõ ràng và với bộ dữ liệu quy mô lớn.
- Có khả năng cân bằng chất lượng mô hình, chi phí và khả năng mở rộng.
Phúc lợi
- Có lựa chọn làm việc từ xa.
- Có cơ hội học hỏi nhanh và chịu trách nhiệm với công việc.
- Làm việc cùng các nhóm giàu chuyên môn.
- Tham gia phát triển các giải pháp ứng dụng AI hiện đại và sản phẩm có khả năng mở rộng.
- Văn hóa hiệu suất cao đề cao sự xuất sắc, tinh thần đồng đội, tôn trọng, minh bạch và giao tiếp hiệu quả.