Científico de Datos - Búsqueda Empresarial

Descripción

En Roche puedes ser completamente tú mismo y ser valorado por tus cualidades únicas. Nuestra cultura fomenta la expresión personal, el diálogo abierto y conexiones auténticas. Aquí serás apreciado, aceptado y respetado por lo que eres. Esto crea un entorno en el que puedes crecer tanto personal como profesionalmente. Juntos queremos prevenir, detener y curar enfermedades y garantizar que todas las personas tengan acceso a la atención sanitaria, hoy y en el futuro. Únete a Roche, donde cada voz cuenta. El puesto El puesto de Científico de Datos \- Búsqueda Empresarial es responsable de contribuir al diseño y desarrollo de las próximas arquitecturas de búsqueda empresarial y recuperación de información. Este puesto desarrollará sistemas de búsqueda impulsados por IA generativa y conscientes del contexto, optimizados para la preparación agente —lo que permitirá la orquestación autónoma de herramientas, una comprensión semántica profunda y una recuperación inteligente de información a escala empresarial. El científico de datos desarrollará soluciones avanzadas de IA, con especial énfasis en IA generativa, aplicaciones basadas en modelos de lenguaje grande (LLM) y servicios de datos escalables. Esto requiere trabajar con grandes conjuntos de datos, desarrollar y evaluar modelos de aprendizaje automático, y colaborar con equipos multifuncionales para mejorar la precisión, cobertura, relevancia y rendimiento de los algoritmos de búsqueda a escala empresarial. Este puesto implica comunicación directa con los interesados del proyecto y contribuye a las mejores prácticas del equipo, identificando oportunidades de optimización que potencien el impacto de soluciones de datos de complejidad moderada dentro de arquitecturas de productos más amplias. Utilizarás habilidades técnicas avanzadas para traducir necesidades comerciales en iniciativas accionables de ciencia de datos. Responsabilidades del puesto IA generativa, IA agente y optimización de modelos de lenguaje grande (LLM) * Desarrollo y experimentación de modelos: liderar el análisis exploratorio de datos, la ingeniería de características, la selección, entrenamiento, validación y evaluación del rendimiento de soluciones de aprendizaje automático e IA habilitadas. Diseñar y evaluar múltiples enfoques de modelado, establecer métricas de evaluación adecuadas y optimizar los modelos para escalabilidad, fiabilidad e impacto comercial. * Experimentación e innovación: liderar proyectos experimentales e impulsar la innovación en la búsqueda empresarial, explorando nuevos enfoques como GraphRAG o patrones de búsqueda agente. * Búsqueda agente de IA: desarrollar e implementar arquitecturas inteligentes basadas en agentes que interactúen con la experiencia de búsqueda empresarial y la mejoren. * Experimentos RAG (marco de evaluación RAG): diseñar y llevar a cabo experimentos de generación aumentada por recuperación (RAG) para evaluar y mejorar la relevancia y el rendimiento de la búsqueda. * Evaluación de modelos LLM: evaluar el rendimiento de los modelos de lenguaje grande (LLM) en diversos contextos de búsqueda empresarial, asegurando que cumplan con los requisitos comerciales y los estándares de rendimiento. * Ingeniería avanzada de indicaciones (prompts): diseñar y optimizar indicaciones para mejorar de forma programática la interacción y eficacia de las consultas y respuestas de búsqueda. Resolución de problemas comerciales y apoyo a la toma de decisiones * Colaborar estrechamente con los interesados comerciales y los equipos de producto para traducir desafíos comerciales complejos en enfoques analíticos, soluciones de aprendizaje automático y capacidades de inteligencia escalables. * Apoyar la priorización basada en datos y la toma de decisiones estratégicas mediante conocimientos accionables, modelos predictivos e inteligencia operacional. * Realizar pruebas A/B y experimentos para evaluar el rendimiento de los modelos y algoritmos de búsqueda. * Consultoría: ofrecer consultoría experta sobre las mejores prácticas en ciencia de datos y aprendizaje automático, guiando a equipos internos y a los interesados. * Prueba de concepto y difusión de conocimientos: diseñar y liderar proyectos de prueba de valor (PoV), realizar sesiones de intercambio de conocimientos y presentar demostraciones impactantes para mostrar capacidades y recopilar comentarios. Ingeniería de datos y bases de datos vectoriales * Ingeniería y procesamiento de datos: trabajar con datos estructurados y no estructurados, construyendo canalizaciones eficientes para la ingesta, preprocesamiento e ingeniería de características de datos. * Experimentación con bases de datos vectoriales: realizar experimentos con bases de datos vectoriales para mejorar la eficiencia y precisión de nuestros sistemas de búsqueda. * Gestión de incrustaciones (embeddings): implementar y optimizar técnicas para la generación, indexación y recuperación de incrustaciones, para apoyar consultas y capacidades de recuperación avanzadas. * Ajuste de recuperación y relevancia: desarrollar, evaluar y ajustar algoritmos de recuperación para optimizar la precisión, exhaustividad y relevancia de la búsqueda en conjuntos de datos diversos. * Calidad de los datos: diseñar módulos de mejora de datos que extraigan, enriquezcan y validen el contenido y los metadatos de los documentos, mejorando directamente el contexto del modelo downstream, la exhaustividad de la búsqueda y el razonamiento agente. Ciclo de vida y la integración de modelos * Implementación, pruebas y entrenamiento de modelos de aprendizaje automático y puntos finales: desarrollar, implementar y perfeccionar continuamente modelos de aprendizaje automático y puntos finales para mejorar las funcionalidades de búsqueda. Realizar pruebas y validaciones rigurosas para garantizar la precisión y fiabilidad de los modelos. * Desarrollo de modelos de aprendizaje automático para la búsqueda: crear e implementar modelos avanzados ejecutables, como modelos de extracción de entidades y aumento de metadatos, para ampliar las capacidades de nuestras soluciones de búsqueda. * MLOps y supervisión: implementar las mejores prácticas para la implementación, control de versiones, supervisión y optimización del rendimiento de los modelos. * Interoperabilidad con API y MCP: interactuar con motores y plataformas de búsqueda empresarial y otras API para mejorar nuestras funcionalidades y integraciones de búsqueda. Conocimiento de MCP y protocolos para la interoperabilidad entre agentes. Requisitos Formación / Experiencia * Máster o doctorado en Ciencia de Datos, Ciencias de la Computación, Estadística, Matemáticas, Ingeniería, Inteligencia Artificial o un campo cuantitativo relacionado. * Experiencia demostrada como experto emergente en el desarrollo de modelos predictivos y en la dirección de módulos analíticos específicos o componentes de proyectos. * Trayectoria comprobada asumiendo plena responsabilidad sobre la calidad y la entrega puntual de tareas analíticas, así como resolviendo de forma independiente problemas complejos de datos. * Experiencia trabajando eficazmente en problemas de ciencia de datos de complejidad moderada y comprendiendo cómo se integran las contribuciones en arquitecturas de datos de tamaño medio. Habilidades técnicas * Dominio sólido de lenguajes de programación, especialmente Python. * Experiencia comprobada como científico de datos, preferiblemente con enfoque en recuperación de información y procesamiento del lenguaje natural (PLN). * Comprensión sólida de técnicas y herramientas de procesamiento del lenguaje natural (PLN). * Experiencia práctica con marcos y bibliotecas de aprendizaje automático y aprendizaje profundo (por ejemplo, TensorFlow, PyTorch, scikit-learn). * Conocimiento de plataformas y servicios en la nube, especialmente AWS o Microsoft Azure. * Familiaridad con sistemas de control de versiones (por ejemplo, Git) y prácticas de desarrollo ágil. * Experiencia previa con motores y tecnologías de búsqueda (por ejemplo, Elasticsearch, Solr o Lucene) y comprensión sólida de algoritmos de búsqueda, recuperación de información y ajuste de relevancia constituyen una ventaja. * Excelentes habilidades analíticas y de resolución de problemas, con capacidad para trabajar con conjuntos de datos grandes y complejos. * Capacidad comprobada para traducir preguntas comerciales bien definidas en problemas analíticos claros y soluciones técnicas. Cualificaciones adicionales * Fuertes habilidades de comunicación y colaboración, con capacidad para gestionar comunicaciones directas con los interesados inmediatos del proyecto. * Capacidad para integrar activamente los comentarios de compañeros técnicos y miembros junior del equipo. * Mentalidad proactiva para identificar posibles optimizaciones o nuevos enfoques analíticos dentro del alcance del proyecto. * Capacidad para trabajar de forma autónoma para alcanzar objetivos y entregar resultados, colaborando activamente con los miembros del equipo para cumplir objetivos compartidos. * Experiencia en el sector sanitario, farmacéutico u otros sectores regulados constituye una ventaja. \*\*\*\*\*\*Esta oferta permanecerá abierta hasta el 20 de agosto. Para garantizar un proceso de selección justo, las solicitudes se revisarán y los candidatos serán preseleccionados únicamente tras dicha fecha. Quiénes somos Un futuro más saludable nos impulsa a innovar. Más de 100\.000 empleados en todo el mundo trabajan juntos para lograr avances científicos y garantizar que todas las personas tengan acceso a la atención sanitaria, hoy y para las generaciones futuras. Gracias a nuestro compromiso, más de 26 millones de personas reciben tratamiento con nuestros medicamentos y se realizan más de 30 mil millones de pruebas con nuestros productos diagnósticos. Nos animamos mutuamente a explorar nuevas posibilidades, fomentar la creatividad y establecer metas ambiciosas para ofrecer soluciones sanitarias transformadoras. Juntos podemos forjar un futuro más saludable. Roche es un empleador que promueve la igualdad de oportunidades.