Como Ingeniero Senior de ML en Provectus, será responsable de diseñar, desarrollar e implementar soluciones de aprendizaje automático (ML) de calidad de producción para nuestros clientes. Trabajará en problemas complejos de ML, mentorará a ingenieros juniors y contribuirá al desarrollo de aceleradores y mejores prácticas de ML. ### **Responsabilidades Principales:** * 1\. Entrega Técnica (60%) * Diseñar e implementar soluciones de ML de extremo a extremo, desde la experimentación hasta la producción * Construir tuberías e infraestructura de ML escalables * Optimizar el rendimiento, eficiencia y confiabilidad del modelo * Escribir código limpio, mantenible y de calidad de producción * Realizar experimentaciones rigurosas y evaluaciones de modelos * Solucionar y resolver desafíos técnicos complejos * 2\. Colaboración y Contribución (25%) * Mentorar a ingenieros de ML juniors e intermedios * Realizar revisiones de código y proporcionar comentarios constructivos * Compartir conocimientos mediante documentación, presentaciones y talleres * Colaborar con equipos multifuncionales (DevOps, Ingeniería de Datos, SAs) * Contribuir al desarrollo interno de la práctica de ML * 3\. Innovación y Crecimiento (15%) * Mantenerse actualizado con la investigación en ML y tecnologías emergentes * Proponer mejoras a soluciones y procesos existentes * Contribuir al desarrollo de aceleradores de ML reutilizables * Participar en discusiones técnicas y decisiones arquitectónicas ### **Requisitos:** * 1\. Fundamentos de Aprendizaje Automático * Conceptos básicos de ML: aprendizaje supervisado, no supervisado y por refuerzo * Desarrollo de modelos: ingeniería de características, entrenamiento de modelos, evaluación, ajuste de hiperparámetros y validación * Marcos de trabajo de ML: bibliotecas clásicas de ML, TensorFlow, PyTorch o marcos similares * Aprendizaje profundo: CNNs, RNNs, Transformers * 2\. Modelos de Lenguaje Grande (LLMs) e IA Generativa * Aplicaciones de LLM: Experiencia en la creación de aplicaciones basadas en LLM para producción * Ingeniería de prompts: Capacidad para diseñar prompts efectivos y estrategias de razonamiento encadenado * Sistemas RAG: Experiencia en la construcción de arquitecturas de generación aumentada por recuperación * Bases de datos vectoriales: Conocimiento de modelos de incrustación y búsqueda vectorial * Evaluación de LLM: Experiencia con métricas y técnicas de evaluación para salidas de LLM * 3\. Datos y Programación * Python: Dominio avanzado de Python para aplicaciones de ML * Manipulación de datos: Experto en pandas, numpy y bibliotecas de procesamiento de datos * SQL: Capacidad para trabajar con datos estructurados y bases de datos \- Tuberías de datos: Experiencia en la construcción de tuberías ETL/ELT \- Datos masivos: Experiencia con Spark o marcos de computación distribuida similares* 4\. MLOps y Producción * Implementación de modelos: Experiencia desplegando modelos de ML en entornos de producción * Contenerización: Dominio de Docker y orquestación de contenedores * CI/CD: Comprensión de integración y despliegue continuo para ML * Monitoreo: Experiencia con monitoreo y observabilidad de modelos * Seguimiento de experimentos: Conocimiento de MLflow, Weights and Biases o herramientas similares * 5\. Infraestructura y Nube * Servicios de AWS: Experiencia sólida con servicios de ML de AWS (SageMaker, Lambda, etc.) * Arquitectura en la nube: Comprensión de arquitecturas de ML nativas en la nube * Infraestructura como código: Experiencia con Terraform, CloudFormation o similares ### **Será un plus:** * Experiencia práctica con plataformas en la nube (se prefiere la pila de AWS, por ejemplo, Amazon SageMaker, ECR, EMR, S3, AWS Lambda). * Experiencia práctica con modelos de aprendizaje profundo. * Experiencia con taxonomías u ontologías. * Experiencia práctica con tuberías de aprendizaje automático para orquestar flujos de trabajo complejos. * Experiencia práctica con Spark/Dask, Great Expectations. Podemos utilizar herramientas de inteligencia artificial (IA) para apoyar partes del proceso de contratación, como revisar solicitudes, analizar currículos o evaluar respuestas. Estas herramientas ayudan a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación son tomadas finalmente por personas. Si desea obtener más información sobre cómo se procesan sus datos, comuníquese con nosotros.