Como Ingeniero Senior de Aprendizaje Automático en Provectus, será responsable de diseñar, desarrollar e implementar soluciones de aprendizaje automático listas para producción destinadas a nuestros clientes. Trabajarás en problemas complejos de aprendizaje automático, mentorizarás a ingenieros junior y contribuirás a la creación de aceleradores de aprendizaje automático y buenas prácticas. ### **Responsabilidades principales:** * 1\. Entrega técnica (60%) * Diseñar e implementar soluciones integrales de aprendizaje automático, desde la experimentación hasta la producción * Construir pipelines e infraestructura de aprendizaje automático escalables * Optimizar el rendimiento, la eficiencia y la fiabilidad de los modelos * Escribir código limpio, mantenible y de calidad adecuada para producción * Realizar experimentación rigurosa y evaluación de modelos * Diagnosticar y resolver desafíos técnicos complejos * 2\. Colaboración y contribución (25%) * Mentorizar a ingenieros junior y de nivel intermedio en aprendizaje automático * Realizar revisiones de código y proporcionar retroalimentación constructiva * Compartir conocimientos mediante documentación, presentaciones y talleres * Colaborar con equipos multifuncionales (DevOps, Ingeniería de Datos, Analistas de Soluciones) * Contribuir al desarrollo interno de las prácticas de aprendizaje automático * 3\. Innovación y crecimiento (15%) * Mantenerse actualizado sobre la investigación en aprendizaje automático y las tecnologías emergentes * Proponer mejoras en soluciones y procesos existentes * Contribuir al desarrollo de aceleradores reutilizables de aprendizaje automático * Participar en discusiones técnicas y en la toma de decisiones arquitectónicas ### **Requisitos:** * 1\. Núcleo de aprendizaje automático * + Fundamentos de aprendizaje automático: aprendizaje supervisado, no supervisado y por refuerzo + Desarrollo de modelos: ingeniería de características, entrenamiento de modelos, evaluación, ajuste de hiperparámetros y validación + Marcos de aprendizaje automático: bibliotecas clásicas de aprendizaje automático, TensorFlow, PyTorch o marcos similares + Aprendizaje profundo: redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN) y transformadores * 2\. Modelos de lenguaje grande (LLM) e IA generativa * + Aplicaciones de LLM: experiencia en el desarrollo de aplicaciones basadas en LLM para entornos productivos + Ingeniería de indicaciones (prompt engineering): capacidad para diseñar indicaciones efectivas y estrategias de cadena de razonamiento + Sistemas RAG (retrieval-augmented generation): experiencia en la construcción de arquitecturas de generación aumentada por recuperación + Bases de datos vectoriales: familiaridad con modelos de incrustación (embeddings) y búsquedas vectoriales + Evaluación de LLM: experiencia con métricas y técnicas de evaluación de las salidas de LLM * 3\. Datos y programación * + Python: dominio avanzado de Python para aplicaciones de aprendizaje automático + Manipulación de datos: experiencia experta con pandas, numpy y bibliotecas de procesamiento de datos + SQL: capacidad para trabajar con datos estructurados y bases de datos * \- Pipelines de datos: experiencia en la construcción de pipelines ETL/ELT \- Big Data: experiencia con Spark o marcos similares de computación distribuida * 4\. MLOps y producción * + Implementación de modelos: experiencia en la implementación de modelos de aprendizaje automático en entornos productivos + Contenerización: competencia con Docker y orquestación de contenedores + CI/CD: comprensión de la integración y despliegue continuos para aprendizaje automático + Monitoreo: experiencia en monitoreo de modelos y observabilidad + Seguimiento de experimentos: familiaridad con MLflow, Weights and Biases u herramientas similares * 5\. Nube e infraestructura * + Servicios de AWS: amplia experiencia con servicios de aprendizaje automático de AWS (SageMaker, Lambda, etc.) + Experiencia con GCP: conocimientos avanzados de los servicios de aprendizaje automático y de datos de GCP + Arquitectura en la nube: comprensión de arquitecturas de aprendizaje automático nativas de la nube + Infraestructura como código: experiencia con Terraform, CloudFormation o herramientas similares ### **Será un valor añadido:** * 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 pipelines 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 la revisión de solicitudes, el análisis de currículums o la evaluación de respuestas. Estas herramientas asisten a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación son tomadas exclusivamente por personas. Si desea obtener más información sobre cómo se procesan sus datos, póngase en contacto con nosotros.