El puesto se centra en el análisis, evaluación y mejora de imágenes mediante modelos de inteligencia artificial, con el objetivo de desarrollar sistemas capaces de evaluar la calidad visual de forma objetiva y medible, y de construir pipelines de imagen basados en rendimiento real.

Responsabilidades:

• Análisis y evaluación de imágenes utilizando modelos de inteligencia artificial.
  
• Evaluación y clasificación de la calidad de imágenes.
  
• Desarrollo y entrenamiento de modelos capaces de evaluar fotografías de forma objetiva.
  
• Tareas de mejora de imagen: mejora de calidad, corrección de color y consistencia visual mediante modelos modernos de aprendizaje automático (como vision-1, Nano Banana Pro).
  
• Construcción e iteración de pipelines de imagen impulsados por inteligencia artificial basados en el rendimiento en entornos reales.
  

Requisitos:

• Experiencia trabajando con imágenes mediante inteligencia artificial y aprendizaje automático.
  
• Conocimiento de técnicas de visión por computador para lectura, evaluación y comparación de imágenes.
  
• Experiencia en el entrenamiento y ajuste de modelos para tareas relacionadas con imágenes.
  
• Conocimientos prácticos de métricas de calidad de imagen y enfoques de evaluación.
  
• Comprensión de cómo la calidad de imagen impacta en el comportamiento del usuario y en los resultados de negocio.
  
• Motivación para trabajar en profundidad con datos visuales y mejorarlos de forma medible.
  
• Experiencia con pruebas A B y marcos de experimentación.
  
• Capacidad para diseñar experimentos que validen decisiones de modelos utilizando métricas reales y no juicios subjetivos.
  
• Conocimiento para analizar resultados de experimentos e iterar basándose en datos.
  
• Experiencia optimizando modelos y pipelines de imagen mediante medición y pruebas continuas.
  
• Familiaridad con conjuntos de datos de imágenes a gran escala.
  
• Experiencia o familiaridad con frameworks como LangChain u otras herramientas de orquestación basadas en agentes.
  
• Comprensión de cómo los modelos de lenguaje y los agentes pueden integrarse en pipelines de aprendizaje automático, por ejemplo para evaluación, orquestación o enriquecimiento de metadatos.
  
• Experiencia desplegando y manteniendo modelos de aprendizaje automático en producción.