Ingénieur de recherche en recherche sémantique multilingue, TGScope | ProfilPartagé
← Retour aux offres
R
🌐 Traduit par IA

Ingénieur de recherche en recherche sémantique multilingue, TGScope

Research

🤖 Analyse par l'IA

TGScope propose un contrat de deux mois en télétravail pour un ingénieur de recherche chargé de développer un benchmark de pertinence multilingue pour la recherche par canal. Le projet implique la création de jeux de requêtes, l'évaluation de métriques comme le nDCG, et l'amélioration de la fusion entre résultats sémantiques et lexicaux. Les compétences requises incluent une expertise en Python, en retrieval dense, en bases de données vectorielles (comme Qdrant) et en modèles d'embeddings multilingues. La rémunération est à l'heure.

⚠️ Cette analyse est générée automatiquement par IA à partir de l'offre originale. Elle ne constitue pas une validation de l'offre ni une garantie que le poste est toujours disponible.

📋 Description du poste

Contexte

TGScope recherche un ingénieur de recherche pour un contrat projet d'environ deux mois, entièrement en télétravail, rémunéré à l'heure.

Le projet

L'objectif est de construire un benchmark de pertinence pour la recherche par canal dans 6 langues ou plus. Cela inclut :

  • La création de jeux de requêtes et de jugements de pertinence
  • Le calcul de métriques comme le nDCG et le recall@k
  • L'évaluation de la qualité de récupération par langue et par type de requête
  • L'amélioration de la fusion entre résultats sémantiques et lexicaux

Technologies utilisées

Le projet repose entièrement sur Python :

  • Le service de recherche est une application FastAPI
  • Les embeddings s'exécutent via ONNX Runtime depuis Python
  • Le benchmark, les scripts d'évaluation et les expériences sont écrits en Python

Stack technique : Python, FastAPI, Qdrant, multilingual-e5 sur ONNX Runtime, PostgreSQL avec pg_trgm, Reciprocal Rank Fusion.

Profil recherché

  • Expérience en récupération d'information, recherche ou ingénierie NLP
  • Expérience pratique avec le retrieval dense et la recherche hybride en production
  • Maîtrise solide de Python
  • Expérience avec une base de données vectorielle (Qdrant, Milvus, Weaviate ou équivalent)
  • Expérience avec des modèles d'embeddings multilingues
  • Anglais écrit courant

ℹ️ Offre externe : Cette offre provient d'un site partenaire. Cliquez ci-dessous pour la consulter et postuler directement.

🔗 Voir l'offre originale et postuler