Data Scientist - Enterprise Search — Roche

Descrizione completa

A Roche puoi apparire come te stesso, abbracciato per le qualità uniche che porti. La nostra cultura incoraggia l'espressione personale, il dialogo aperto e i legami genuini, dove siete valorizzati, accettati e rispettati per chi siete, permettendovi di prosperare sia personalmente che professionalmente. Questo è il modo in cui vogliamo prevenire, fermare e curare le malattie e garantire che tutti abbiano accesso alla salute oggi e per le generazioni a venire. Unisciti a Roche, dove ogni voce conta.

La posizione

Il ruolo di Data Scientist - Enterprise Search à ̈ responsabile per contribuire alla progettazione e allo sviluppo delle architetture Enterprise Search e di recupero delle informazioni di nuova generazione. Questo ruolo costruirà sistemi di ricerca basati sull'intelligenza artificiale contestuale ottimizzati per la prontezza dell'agente, consentendo l'orchestrazione degli strumenti autonomi, la comprensione semantica profonda e il recupero intelligente delle informazioni su scala aziendale. Lo scienziato dei dati svilupperà soluzioni AI avanzate, con una forte attenzione alle applicazioni basate su AI Generative, LLM e ai servizi dati scalabili. Ciò richiede di lavorare con grandi dataset, sviluppare e valutare modelli di apprendimento automatico, e collaborare con team interfunzionali per migliorare l'accuratezza, la copertura, la pertinenza e le prestazioni degli algoritmi di ricerca a scala aziendale.

Questo ruolo coinvolge la comunicazione diretta con gli stakeholder del progetto e contribuisce alle migliori pratiche del team, identificando al contempo opportunità di ottimizzazione che migliorano l'impatto di soluzioni di dati moderatamente complesse all'interno di architetture di prodotto più grandi. Leverai competenze tecniche avanzate per tradurre le esigenze aziendali in iniziative di scienza dei dati attuabili.

Responsabilità del lavoro

IA Generativa, AI Agentic e Ottimizzazione LLM

• Sviluppo del modello e sperimentazione: Analisi dei dati esplorativi di piombo, ingegneria delle caratteristiche, selezione dei modelli, formazione, convalida e valutazione delle prestazioni per l'apprendimento automatico e soluzioni AI-enabled. Progettare e valutare più approcci di modellazione, stabilire metriche di valutazione appropriate e ottimizzare i modelli per scalabilità, affidabilità e impatto aziendale.
• Sperimentazione e innovazione: portare progetti sperimentali e guidare l'innovazione nella ricerca delle imprese, esplorare approcci nuovi come GraphRAG o modelli di ricerca agentic.
• Agentic AI Search: Sviluppare e distribuire architetture agentiche intelligenti che possono interagire e migliorare l'esperienza di ricerca aziendale.
• RAG Experimentations (RAG Evaluation Framework): Progettare e condurre esperimenti di Retrieval-Augmented Generation per valutare e migliorare la pertinenza e le prestazioni della ricerca.
• Valutazione del Modello LLM: Valutare le prestazioni dei Modelli di Grande Lingua in vari contesti di ricerca aziendale, assicurando loro di soddisfare i requisiti aziendali e gli standard di performance.
• Advanced Prompt Engineering: Progettare e ottimizzare i suggerimenti per migliorare programmaticamente l'interazione e l'efficacia delle query di ricerca e delle risposte.

Risolvere i problemi aziendali e sostenere le decisioni

• Collabora a stretto contatto con gli stakeholder aziendali e i team di prodotti per tradurre complesse sfide aziendali in approcci analitici, soluzioni ML e capacità di intelligenza scalabile.
• Supporta la priorità dei dati e il processo decisionale strategico attraverso intuizioni attuabili, modelli predittivi e intelligenza operativa.
• Conduce test e esperimenti A/B per valutare le prestazioni dei modelli di ricerca e degli algoritmi.
• Consulenza Fornire consulenza esperta sulla scienza dei dati e sulle migliori pratiche di apprendimento automatico, guidando team interni e stakeholder.
• PoC e condivisione delle conoscenze: Progettazione e lead proof-of-value (PoV) progetti, condurre sessioni di condivisione delle conoscenze, e fornire demo efficaci per mostrare le capacità e raccogliere feedback.

Ingegneria dei dati e database vettoriali

• Ingegneria dei dati & Processing: Lavorare con dati strutturati e non strutturati, costruire condotte efficienti per l'ingestione dei dati, preelaborazione e ingegneria delle caratteristiche.
• sperimentazione del database vettoriale: condurre esperimenti con database vettoriali a impr