Se busca un profesional para colaborar con ingenieros e investigadores de inteligencia artificial en el diseño, desarrollo y prueba de modelos de aprendizaje automático y aprendizaje profundo. La persona seleccionada trabajará con tecnologías de última generación para crear soluciones inteligentes que resuelvan diversos desafíos relacionados con el procesamiento de lenguaje natural y el reconocimiento visual.

Responsabilidades:

• Colaborar con ingenieros e investigadores de IA para diseñar, desarrollar y probar modelos de aprendizaje automático y aprendizaje profundo.
  
• Entrenar y ajustar modelos de aprendizaje profundo utilizando conjuntos de datos del mundo real adaptados a casos de uso específicos.
  
• Contribuir a la extensión y optimización de la infraestructura existente de IA/ML, incluyendo canales de entrenamiento de modelos, herramientas de evaluación y flujos de trabajo de implementación.
  
• Ajustar y adaptar modelos de lenguaje grande (LLM) y/o modelos de lenguaje de visión (VLM) utilizando conjuntos de datos específicos del dominio o proporcionados por el cliente.
  
• Aprovechar las capacidades de los LLM/VLM para crear soluciones inteligentes que aborden diversos desafíos de los clientes, desde la comprensión del lenguaje natural hasta tareas de reconocimiento visual.
  
• Participar en la experimentación y la investigación, explorando nuevas técnicas para mejorar el rendimiento y la eficiencia del modelo.
  
• Documentar el trabajo realizado, comunicar los hallazgos técnicos con claridad y contribuir al intercambio interno de conocimientos.
  

Requisitos:

• Actualmente inscrito en un programa de licenciatura o maestría en Ciencias de la Computación, Inteligencia Artificial, Ciencia de Datos o un campo relacionado con un fuerte enfoque en IA/ML.
  
• Bases sólidas y experiencia práctica con el lenguaje de programación Python y competencia en bibliotecas de computación científica como NumPy.
  
• Comprensión de los conceptos de Procesamiento de Imágenes y Visión por Computadora, con experiencia en el uso de bibliotecas como OpenCV y Matplotlib.
  
• Familiaridad con los conceptos centrales de Aprendizaje Automático, incluyendo preprocesamiento de datos, entrenamiento de modelos y evaluación.
  
• Experiencia práctica con bibliotecas de ML como Scikit-learn.
  
• Conocimiento de Aprendizaje y arquitecturas de Aprendizaje Profundo, tales como Redes Neuronales Convolucionales (CNN), Redes Neuronales Recurrentes (RNN), Transformadores, etc.
  
• Experiencia con PyTorch.
  
• Familiaridad con Modelos de Lenguaje Grandes (LLM) y Modelos de Lenguaje de Visión (VLM) y sus aplicaciones.
  
• Habilidades de comunicación verbal y escrita en inglés.