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 juniors y contribuirás a la creación de aceleradores y buenas prácticas de aprendizaje automático. ### **Responsabilidades principales:** * 1\. Entrega técnica (60%) * Diseñar e implementar soluciones de aprendizaje automático de extremo a extremo, desde la experimentación hasta la producción * Construir canalizaciones e infraestructura de aprendizaje automático escalables * Optimizar el rendimiento, la eficiencia y la fiabilidad de los modelos * Escribir código limpio, mantenible y de calidad profesional * Realizar experimentaciones rigurosas y evaluaciones de modelos * Diagnosticar y resolver desafíos técnicos complejos * 2\. Colaboración y contribución (25%) * Mentorizar a ingenieros de aprendizaje automático juniors y de nivel intermedio * Realizar revisiones de código y proporcionar comentarios constructivos * Compartir conocimientos mediante documentación, presentaciones y talleres * Colaborar con equipos multifuncionales (DevOps, Ingeniería de Datos, Analistas de Soluciones) * Contribuir al desarrollo de las prácticas internas 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\. Fundamentos de aprendizaje automático * + Conceptos fundamentales de aprendizaje automático: 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 razonamiento paso a paso (chain-of-thought) + Sistemas RAG: experiencia en la construcción de arquitecturas de generación aumentada por recuperación (retrieval-augmented generation) + Bases de datos vectoriales: familiaridad con modelos de incrustación (embedding) y búsqueda vectorial + 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 * \- Canalizaciones de datos: experiencia en la construcción de canalizaciones 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: dominio de Docker y orquestación de contenedores + CI/CD: comprensión de la integración y despliegue continuos para aprendizaje automático + Supervisión: experiencia en la supervisión y observabilidad de modelos + 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 canalizaciones 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 ciertas etapas 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.